试析基于ls-svm的复杂工业过程故障诊断方法研究

《试析基于ls-svm的复杂工业过程故障诊断方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京理工大学硕士学位论文基于LS-SVM的复杂工业过程故障诊断方法研究姓名：陈铭申请学位级别：硕士专业：控制理论与控制工程指导教师：向峥嵘20090608硕士论文基于LS-SVM的复杂工业过程故障诊断方法研究摘要复杂工业过程是推动生产力发展的重要领域，由于其特有的复杂性，难以建模等特点，对它的故障诊断研究已越来越受到重视。近年来，支持向量机(SVM)作为一种新型的机器学习算法得到广泛的应用，最小二乘支持向量机(LS．SVM)是SVM的改进算法，能在大样本的条件下表现出其优势。本文考虑到复杂工业过程数据量大的因素，基于L

2、S．SVM对复杂工业过程的故障诊断方法进行深入研究。本文在对大量的故障诊断方法进行归纳的基础上，比较了各种方法的优劣性，介绍了用于分类的最小二乘支持向量机的特点，给出了基于LS．SVM故障诊断方法的实现步骤，并通过实例验证了其在复杂工业过程故障诊断中的有效性。其次，为了进一步改善诊断的性能，本文将模糊C均值(FcM)聚类和最小二乘支持向量机结合，提出了一种基于FCM和LS．SVM的故障诊断方法。模糊C均值聚类用于数据预处理阶段，并用模糊理论融入分类决策函数中，以提高其分类性能，达到了满意的诊断效果。最后，针对复杂工业过

3、程中系统的实时性要求，给出了一种基于PCA和LS．SVM的集成故障诊断方法。该方法先利用小波去噪方法对过程数据进行预处理，并利用PCA主元分析方法来实现过程监控，当监测到有故障发生时，再通过LS．SVM方法实现故障类型识别。该方法充分结合了PCA方法的在线监控特性和LS．SVM在大样本数据分类中表现出来的优越性能，实现了在线故障监控并能将故障准确地辨识分离出来。通过对TennesseeEaslman(TE)化工过程模型的仿真，验证了该方法的优越性。关键词：复杂工业过程、最小二乘支持向量机、模糊C均值、主元分析、故障诊断

4、Abstract硕士论文Complexindustrialprocessplaysallimportantroleinimprovingthenationaleconomy．Duetoitscomplexityanddifficultyinmodeling，moreattentionispaidtofaultdiagnosisofcomplexindustrialprocess．Inrecentyears，anewmachinelearningalgorithm，supportvectormachine(SVM)，is

5、widelyappliedinmanyfields．Leastsquaressupportvectormachine(LS—SVM)CanactabetterperformancethanSVMinthecaseoflargesamples．BasedonLS—SVM，faultdiagnosismethodsaleresearcheddeeplyinthisthesis．Firstly,severalkindsoffaultdiagnosismethodsalesummarized．Thecharacteristic

6、sofLS··SVMforclassificationareintroducedandthefaultdiagnosticschemebasedonLS·-SVMispresented．RelevantexamplesaregiventoshowtheavailabilityoffaultdiagnosisbasedonLS．SVM．Secondly,inordertoimprovetheeffectivenessofdiagnosis，adiagnosticmethodbasedonfuzzyC—means(FCM)

7、clusteringandLS—SVMisproposed．msamplesareclusteredusingfuzzyC-meansclusteringalgorithmduringthedatapreprocessing,andfuzzytheoryisusedinclassificdecisionfuctiontoenhancetheabilityofclassification．Satisfiedresultsaleachievedbyusingthismethod．Finally,inordertoensur

8、ethereal-timerequirement，anintegratedmethodbasedonprincipalcomponentanalysis(PCA)combinedwithLS—SVMisproposed．Inthismethod，wavelettransformisusedtoeliminatethenoisein