化工系统工程 | 基于IGA与增强D-S证据理论的工业过程故障检测
化工系统工程 | 基于IGA与增强D-S证据理论的工业过程故障检测
摘,要:针对复杂工业过程数据特征提取困难,且许多故障检测方法需要提前假设数据分布类型,故障检测泛化能力弱等问题,提出一种基于信息增益自适应特征选择(IGA)方法与增强Dempster-Shafer(D-S)证据理论的工业过程故障检测算法。首先,通过决策树计算得到信息增益,利用交叉验证设定k值,自适应选择特征个数,实现数据降维和特征提取;之后,引入三元统计量监测组实现线性故障检测,同时采用自编码器、One-classSVM方法进行非线性故障监测;最后,使用增强D-S 证据理论,通过一种新的综合指标,对改进后的加权平均证据体进行融合,修正基本概率分配(BPA)参数获得融合结果,得到更为可靠的检测结果。通过冷水机组数据和田纳西-伊斯曼(Tennesse-Eastman,TE)过程数据进行验证,结果表明,IGA与增强D-S证据理论方法比单独的线性或非线性检测算法的准确率更高,鲁棒性更强,且使用场景不依赖于特定数据分布假设,适用范围灵活,可以有效应用于工业过程故障检测。