基于集成局部费舍尔判别分析的故障分类
钟凯1
徐明星2
韩敏3
1.大连理工大学电子信息与电气工程学部,辽宁大连116024;安徽大学物质科学与信息技术研究院,安徽合肥2306012.大连理工大学电子信息与电气工程学部,辽宁大连1160243.大连理工大学工业装备智能控制与优化教育部重点实验室,辽宁大连116024
摘要：实际工业过程数据的局部特性一般都较为复杂,不利于样本特征的提取和故障分类精度的提高.针对此问题,本文提出一种集成的局部费舍尔判别分析(ILFDA)模型,可以同时从变量和样本两个维度挖掘数据的局部结构特征,提高故障分类的性能并降低建模的难度.首先,根据过程的结构原理对复杂系统进行分块,从而可以有效获取变量维度的数据局部信息,并排除无关变量的影响.其次,针对样本维度的数据局部信息,在每个变量子块中分别建立局部费舍尔判别分析(LFDA)模型,并为每个局部模型分配相应的权值,从而可以更准确地衡量不同子块对当前故障的影响程度.最后,利用分类性能加权策略将各个子块的分类结果进行融合.田纳西-伊斯曼(TE)过程中的仿真结果验证本文所提的ILFDA方法具有更好的故障分类效果.
关键词：故障分类局部费舍尔判别分析分类结果集成数据局部结构特征
资助基金：中央高校基本科研业务费专项(DUT20LAB114)
论文发表日期：2021-04-28
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：7( 489-495 )
英文信息