化工系统海量数据的扩散映射和异常辨识研究
为了充分提取化工系统中的故障特征以辨识故障类型,提出针对动态系统海量数据的故障分类方法：DM-SVMs.该方法利用扩散映射与其线性增量方法对高维空间中的系统运行数据进行流形学习,提取出数据中的低维流形特征，再通过多类分类的支持向量机对样本特征分类。用田纳西-伊斯曼仿真数据和实际化工生产运行数据验证了方法的可行性和高效性.通过与其他同类分类方法对比，也验证了DM-SVMs有更高的分类精度。该方法克服了传统支持向量机解决非线性动态系统故障辨识性能不足的缺点,为化工系统的故障分类辨识提供了新的思路。
化工系统 海量数据 故障分类 流形学习 扩散映射 支持向量机
高建民 霍伟汉 陈子胜 王荣喜
西安交通大学 机械制造系统工程国家重点实验室,陕西 西安 710049
国内会议
西安
中文
1-9
2014-09-26（万方平台首次上网日期，不代表论文的发表时间）