基于主元增广矩阵的SVM故障检测

作者：郭金玉; 李涛; 李元

来源：深圳大学学报(理工版), 2021, 38(05): 543-550.

• 控制科学与技术
• 支持向量机
• 主元分析
• 增广矩阵
• 故障检测
• 自相关性
• 田纳西-伊斯曼过程

为提高支持向量机(support vector machine, SVM)的故障检测率,提出一种基于主元增广矩阵的SVM(SVM based on principal component augmented matrix, PCAM-SVM)故障检测方法.运用主元分析(principal component analysis, PCA)算法在主元空间中计算得分矩阵,再加入得分的时滞输入特性和时差输入特性,构建增广矩阵.运用正常数据和故障数据的增广矩阵训练SVM模型,获得判别分类函数,再运用SVM模型对测试数据进行分类.PCAM-SVM方法通过构建主元增广矩阵,增加模型输入特性复杂度,有效降低了数据自相关性,提高了SVM的故障检测性能.将该方法应用于多变量动态仿真案例和田纳西-伊斯曼过程,并与PCA、独立元分析(independent component analysis, ICA)、核主元分析(kernel principal component analysis, KPCA)、SVM和PCA-SVM方法比较,验证了PCAM-SVM方法的有效性.

• 单位
  沈阳化工大学