基于SVM的化工过程故障诊断算法设计

摘要：

为了从根本上解决化工过程初始故障源辨识低问题,现提出一套基于支持向量机(Support Vector Machine,SVM)的化工过程故障诊断算法设计方案.首先,借助核主成分分析(Kernelbased Principle Component Analysis,KPCA)方法对所需要的数据进行一系列预处理,并在确定的特征空间内构建统计量6和平方预测误差(Squared Prediction Error,SPE),便于后期更好地检测故障发生.其次,精确化计算样本非线性主元的分向量,将最终计算结果直接设置为最小二乘支持向量机输入值,在充分结合该向量机分类情况的基础上,完成对化工过程故障类型的精确化识别.结果表明,基于SVM的化工过程故障诊断算法不仅可以保证故障辨识度,还能大幅提高故障检测和故障诊断效率.因此,该故障诊断算法完全符合实际应用需求,可为相关人员提供有效的借鉴和参考.

关键词：化工过程、故障诊断、核主成分分析(KPCA)、最小二乘支持向量机

所属期刊栏目：34

分类号：TP312(计算技术、计算机技术)

资助基金：国家自然科学基金61673279

在线出版日期：2023-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：55-57