10.3969/j.issn.1000-3428.2015.10.055
基于ICA-ELM的工业过程故障分类
基于独立成分分析(ICA)的多变量统计过程监控主要用于故障检测,不能有效地进行故障分类.为此,结合极限学习机(ELM),提出一种ICA-ELM的故障分类方法.利用ICA提取故障特征,通过ELM学习算法训练神经网络,从而实现故障分类.采用TE过程数据进行验证,实验结果表明,与概率神经网络和支持向量机相比,ICA-ELM算法的故障分类准确率更高,训练速度更快.
独立成分分析、极限学习机、故障分类、概率神经网络、支持向量机、TE过程
41
TP39(计算技术、计算机技术)
国家自然科学基金资助项目61273131;江苏省产学研联合创新基金资助项目BY2013015-39
2015-12-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
290-294