基于多標(biāo)簽算法的工業(yè)過程多重故障診斷研究.pdf

1、準(zhǔn)確、可靠的故障診斷系統(tǒng)對過程工業(yè)的安全、穩(wěn)定運(yùn)行，維護(hù)人員安全，提高工廠經(jīng)濟(jì)效益具有重要意義。本文主要研究在多重故障發(fā)生下的多標(biāo)簽故障分類方法，并分別在田納西-伊斯曼過程(TEP, Tennessee-Eastman Process)、燃料電池系統(tǒng)仿真和實(shí)驗(yàn)平臺上進(jìn)行應(yīng)用研究。本文的主要工作如下:
　　1、搭建了燃料電池系統(tǒng)故障仿真平臺，實(shí)現(xiàn)了風(fēng)機(jī)過熱、電池水淹等5種典型故障的模擬仿真，解決了燃料電池實(shí)驗(yàn)平臺故障數(shù)據(jù)不足的問題，

2、為研究多標(biāo)簽故障診斷算法提供基礎(chǔ)。
　　2、基于最小二乘支持向量機(jī)(LS-SVM，Least Squares Support Vector Machine)比較了單標(biāo)簽(mL，mono-Label)和多標(biāo)簽(ML，Multi-label)故障分類算法，結(jié)果表明多標(biāo)簽方法對于多重故障的診斷更準(zhǔn)確且簡化了計(jì)算。
　　3、分別提出了基于相關(guān)向量機(jī)(RVM，Relevance Vector Machine)和貝葉斯極限學(xué)習(xí)機(jī)(BEL

3、M，Bayesian Extreme Leaming Machine)的多標(biāo)簽分類算法用于診斷多重故障。在TE故障仿真模型、燃料電池故障仿真模型與實(shí)驗(yàn)系統(tǒng)上，將兩種算法分別與多標(biāo)簽LS-SVM的故障診斷性能進(jìn)行了比較，結(jié)果表明，RVM故障診斷最好，尤其在檢測精度方面;BELM次之，且學(xué)習(xí)速度很快，LS-SVM在檢測精度、查全率、誤差控制及準(zhǔn)確率方面都最差。
　　4、在燃料電池故障仿真模型上，對三種算法分別對進(jìn)行測試樣本容量大小測試