基于MPA优化MKL-FSVDD模型的聚合釜设备故障诊断

摘要：

针对化工流程工业数据具有强非线性、易受噪声影响和故障为多分类的问题,提出一种基于海洋捕食者算法(MPA)优化多核学习-模糊支持向量机数据描述(MKL-FS-VDD)的故障诊断方法.利用MKL构建的多核函数,弥补单核函数的局限性,对非线性故障数据分类具有较强的适应性;引入MPA对MKL-FSVDD模型的核参数进行高效寻优,解决核参数选择难题.通过在TE数据平台上的对照实验,验证MPA-MKL-FSVDD模型故障诊断的有效性能;最后将故障诊断模型应用于聚氯乙烯(PVC)聚合反应中,利用70 m3的聚合釜设备历史数据集进行仿真验证.结果表明该方法充分利用复杂样本集的数据信息,并在参数寻优阶段快速、稳定获得最优解,保证了故障分类的效率和准确度.

关键词：故障诊断、海洋捕食者算法(MPA)、多核学习(MKL)、模糊隶属度、聚合釜

所属期刊栏目：32

分类号：TP277;TP393;TH172

资助基金：国家自然科学基金;河北省高等学校科学技术研究青年基金资助项目

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：379-391