基于改进的线性判别分析识别重叠并发的双故障
李天恩
何桢
1.天津大学管理与经济学部,天津,3000722.天津大学管理与经济学部,天津,300072
摘要：在两维空间中,当关键质量特性之间存在相关关系并且预定义故障类之间重叠时,传统的模糊聚类算法FCM对双故障并发的识别率会下降.为了提升对重叠并发双故障的识别率,一种新算法PILDA被提出,该算法提出的主成分修整能够消除重叠的影响,而双故障判别区间确定的方法则能够实现对未预定义的并发双故障的识别.经过864种不同相关关系和均值偏移量的故障组合仿真实验,结果表明PILDA能有效识别并发故障及预定义单发故障,平均识别率为84.94％,明显高于FCM的58.13％.该方法具有一定的应用价值.
关键词：线性判别分析主成分修整判别区间
分类号：N94(系统科学)
资助基金：国家自然科学基金(70931004)
论文发表日期：2012-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 73-78 )
英文信息