G A-LVW算法在化工过程故障诊断中的应用
针对田纳西-伊斯曼(Tennessee Eastman,TE)化工过程中故障特征难区分、诊断方法易陷入局部最优等问题,提出一种基于遗传算法(genetic algorithm,GA)改进的拉斯维加斯包裹式(Las Vegas wrapper,LVW)特征选择方法GA-LVW.利用GA算法改进LVW算法搜索盲目性的缺点,使得特征组合能够快速有效地收敛到近似最优,进而集成机器学习的分类器对TE过程进行过程监控,发现异常状态,从而实现故障诊断.通过TE化工过程的故障诊断实验验证,将GA-LVW算法与未改进的LVW算法及未进行特征选择的分类算法进行对比,结果表明所提GA-LVW方法提高了LVW特征选择的稳定性和寻求近似最优解的迭代速度,从而提升了分类器故障诊断发现异常状态的准确率.
故障诊断、遗传算法、拉斯维加斯算法、化工过程
49
TP39(计算技术、计算机技术)
2023-03-16(万方平台首次上网日期,不代表论文的发表时间)
共9页
101-109