基于KISOMAP-LDA—KNN算法TE过程故障诊断研究
刘爱萍
王洪元
程起才
冯燕
1.常州大学信息学院,常州,2131642.常州大学信息学院,常州,2131643.常州大学信息学院,常州,2131644.常州大学信息学院,常州,213164
摘要：针对化工连续生产过程的时序性及非线性等特征,文章提出了一种基于KISOMAP-LDA-KNN的非线性故障辨识方法.首先采用核等距映射(KISOMAP)算法在保持训练数据内在几何结构下进行非线性降维,然后使用线性判别(LDA)算法保持数据的最佳分类效果下进行降维,完成过程的特征提取,最后用K近邻(KNN)算法进行模式分类.将上述方法应用到TE过程,仿真结果验证了该故障诊断方法有较高的辨识能力.
关键词：核等距映射线性判别分析故障诊断TE过程
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(60973094)江苏省自然科学基金(BK2009538)江苏省高等学校自然科学研究项目(08KJB520002,09KJB520004)国家基金项目(61070121)
论文发表日期：2010-01-01
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：4( 34-37 )
英文信息