一种人工免疫分类方法在故障诊断中的应用

摘要：

人工免疫识别系统的传统方法易造成抗体进化效率低、免疫网络冗余.为解决该问题,提出一种新型的人工免疫分类方法.引入阳性选择和网络抑制机理,结合蒙特卡洛方法,根据训练抗原产生优化分布的初始抗体,融合多种免疫原理模拟免疫应答过程,由初始抗体进化出成熟的记忆细胞,利用记忆细胞依据K最近邻表决方法对待分类抗原进行分类.对UCI数据集的分类结果表明,该方法与人工免疫识别系统相比,抗体进化迭代次数平均减少63.1％,网络压缩率平均提高14.7％.在某线性稳压电源的故障诊断实例中,该方法的平均分类准确率为92.5％,高于人工免疫识别系统和神经网络等分类方法.

关键词：人工免疫系统、蒙特卡洛方法、阳性选择、网络抑制、故障诊断

所属期刊栏目：39

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金资助项目60802088,6117907;教育部新世纪优秀人才支持计划基金资助项目NCET-05-0912

在线出版日期：2013-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：208-214