在實際工業(yè)生產(chǎn)過程中,保持系統(tǒng)穩(wěn)定高效的運行是安全、準(zhǔn)時地完成生產(chǎn)任務(wù)的基礎(chǔ),而這離不開對工業(yè)過程系統(tǒng)的狀態(tài)檢測和故障診斷。故障分類技術(shù)可以確定故障類別,有利于定位故障,是故障診斷過程極為重要的一步。但隨著現(xiàn)代工業(yè)過程系統(tǒng)功能的多樣化和結(jié)構(gòu)的復(fù)雜化,工業(yè)過程的故障分類面臨著越來越大的困難,僅靠單一方法難以完成日益復(fù)雜的工業(yè)過程的故障分類任務(wù)。這對于及時完成故障診斷以確保系統(tǒng)安全穩(wěn)定的運行有著極為不利的影響。為了解決這一問題,本文通過使用混合方法對故障進(jìn)行分類識別。主要研究內(nèi)容如下:(1)提出一種基于混合特征生成的快速K近鄰故障分類方法。首先,針對樣本質(zhì)量差會導(dǎo)致K近鄰分類器分類準(zhǔn)確率過低的情況,提出一種結(jié)合Relief F算法和線性判別分析算法的混合特征生成方法,以對樣本進(jìn)行預(yù)處理并提高樣本質(zhì)量;然后,針對K近鄰分類器分類過程計算開銷大的缺點,采用K-medoids聚類算法減少訓(xùn)練樣本數(shù)量,以降低K近鄰分類器分類過程的計算開銷。該方法一方面保障了K近鄰分類器的分類準(zhǔn)確率,另一方面提高了其分類效率。(2)提出一種基于分類器有效性的改進(jìn)投票法。盡管(1)中的混合故障分類方法相比單一K近鄰方...

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 混合故障分類方法概述
    1.3 國內(nèi)外研究發(fā)展現(xiàn)狀
    1.4 課題研究內(nèi)容及結(jié)構(gòu)
        1.4.1 研究內(nèi)容
        1.4.2 論文結(jié)構(gòu)
2 相關(guān)理論基礎(chǔ)
    2.1 引言
    2.2 歐式距離
    2.3 混合故障分類中的協(xié)同合作模式
        2.3.1 特征選擇簡介
        2.3.2 特征提取簡介
    2.4 混合故障分類中的多分類器系統(tǒng)
        2.4.1 分類器多樣性
        2.4.2 決策融合
    2.5 TE仿真平臺
    2.6 本章小結(jié)
3 基于混合特征生成和K-medoids的 K近鄰故障分類算法
    3.1 引言
    3.2 KNN算法概述
    3.3 Relief F算法與LDA算法
    3.4 K-medoids聚類算法
    3.5 基于混合特征生成和K-medoids的快速KNN故障分類算法
    3.6 仿真研究
        3.6.1 實驗環(huán)境
        3.6.2 實驗過程及結(jié)果
    3.7 本章小結(jié)
4 基于分類器有效性的多分類器系統(tǒng)
    4.1 引言
    4.2 多樣性設(shè)計
    4.3 基于分類器有效性的改進(jìn)投票法
        4.3.1 分類器有效性概念
        4.3.2 改進(jìn)投票法
    4.4 基于分類器有效性的多分類器系統(tǒng)
        4.4.1 系統(tǒng)框架
        4.4.2 實驗數(shù)據(jù)
        4.4.3 分類器參數(shù)設(shè)置
        4.4.4 實驗過程及結(jié)果
    4.5 本章小結(jié)
5 基于組合權(quán)重的多分類器系統(tǒng)
    5.1 引言
    5.2 組合權(quán)重
        5.2.1 層次分析法
        5.2.2 熵權(quán)-逼近理想解排序法
    5.3 基于組合權(quán)重的改進(jìn)投票法
    5.4 基于組合權(quán)重的多分類器系統(tǒng)
        5.4.1 系統(tǒng)框架
        5.4.2 分類器性能評估
        5.4.3 仿真過程及結(jié)果
    5.5 總結(jié)
6 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 未來展望
致謝
參考文獻(xiàn)
附錄一
附錄二



本文編號：3754088