[發明專利]一種基于集成半監督費舍爾判別的工業過程故障分類方法

有效

• 申請號: 201611235949.5
• 申請日: 2016-12-28
• 公開（公告）號: CN106649789B
• 公開（公告）日: 2019-07-23
• 發明（設計）人: 葛志強;王虹鑒
• 申請（專利權）人: 浙江大學
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06K9/62
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

1.一種基于集成半監督費舍爾判別的工業過程故障分類方法，其特征在于，包括以下步驟：

(1)利用系統收集過程正常工況的數據以及各種故障數據組成建模用的有標簽訓練樣本集：假設故障類別為C,再加上一個正常類，建模數據的總類別為C+1,即X_i＝[x₁；x₂；…；x_n]i＝1,2,…,C+1，其中X_i∈R^n×m，n為訓練樣本數，m為過程變量數，R為實數集，R^n×m表示X滿足n×m的二維分布，所以完整的有標簽訓練樣本集為X_l＝[X₁；X₂；…；X_C+1],X∈R^((C+1)*n)*m，記錄所有數據的標簽信息，正常工況下標記標簽為1，故障標簽為2，以此類推，即Y_i＝[i；i；…；i]i＝1,2,…,C+1，完整的標簽集為Y_l＝[Y₁,Y₂,…,Y_C+1],Y_l∈R^{1×((C+1)*n)*m}，將這些數據存入歷史數據庫作為有標簽數據集；

(2)利用系統收集若干工況及故障情況未知的數據組成建模用的無標簽訓練樣本集：X_u＝[x_u1；x_u2；…；x_uq],X_u∈R^q×m，其中q為訓練樣本數，m為過程變量數，R為實數集，R^q×m表示X滿足q×m的二維分布，將這些數據存入歷史數據庫作為無標簽數據集；

(3)從數據庫中調用訓練用的有標簽數據和無標簽數據X_l,X_u，對其進行預處理和歸一化，使得各個過程變量的均值為零，方差為1，得到新的數據矩陣集為

(4)設定迭代次數即弱分類器個數為G，每次在無標簽數據矩陣集中隨機抽取α％的數據和有標簽數據矩陣集組成訓練子集在每個訓練子集下建立不同的半監督費舍爾判別分類器模型；

(5)在有標簽數據矩陣集下，利用不同的分類器模型和參數，計算每個樣本x_i的度量矩陣P_i,i＝1,2,…,(C+1)*n，并且P_i∈R^g×(C+1)；

(6)將建模數據和各個模型參數以及各個有標簽數據的度量層矩陣存入歷史數據庫中備用；

(7)在線收集新的過程數據X_new，并對其進行預處理和歸一化使得各個過程變量的均值為零，方差為1，得到分別采用不同的半監督費舍爾判別模型對其進行監測得到度量層矩陣；

(8)將在線過程數據的度量層矩陣和之前得到的有標簽數據度量層矩陣及其標簽進行K近鄰融合，得到待分類過程數據的最終分類結果。