10.16208/j.issn1000-7024.2016.07.044
基于优化SVM-DT的阀门故障诊断方法
针对过程控制系统中阀门故障种类多、类型相似、故障数据有很强的非线性等问题,提出一种基于支持向量机决策树(SVM-DT)的阀门故障分类算法,利用改进的遗传算法对识别率影响较大的支持向量机(SVM)参数 C和σ进行优化。根据类间分离测度,找出分离测度值最小的两类样本,用优化后的支持向量机进行训练,将其合并为一个类簇与其它故障种类一起,找出最难分类的两类故障样本集,逐步将所有训练样本生成决策二叉树模型。通过动态执行器基准平台(DAMADICS)阀门模型对支持向量机决策树模型进行验证,实验结果表明,该算法能够有效提高对阀门故障的识别率,有效解决了传统的一对一(1-a-1)、一对多(1-a-r)算法中存在部分样本数据无法识别的缺陷,对工业控制系统中阀门的故障诊断有指导意义。
支持向量机、决策树、遗传算法、阀门故障、故障诊断
37
TP391(计算技术、计算机技术)
2016-08-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
1932-1936,1941