[發明專利]一種基于ICA與SVM集成學習的故障檢測方法

有效

• 申請號: 202010612207.X
• 申請日: 2020-06-30
• 公開（公告）號: CN111898313B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 凡時財;鄒見效;張季陽;徐紅兵
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N5/04;G06N7/00
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 李林合

本發明公開了一種基于ICA與SVM集成學習的故障檢測方法，其采用貝葉斯推理對具有特征提取能力的ICA模型和具有分類能力的SVM模型進行集成，利用不同模型所具有的不同優勢，從而提升檢測準確率，并且使得檢測效果更穩定。

技術領域

本發明涉及工業過程中的故障檢測領域，具體涉及一種基于ICA與SVM集成學習的故障檢測方法。

背景技術

現代工業生產已越來越規模化、復雜化，若生產過程出現故障，不僅影響產品質量，更容易對人的生命安全造成威脅。因此常常采用故障檢測技術來監控工業生產狀況。

現有技術中通過設置測量設備來獲取工業生產系統的工作數據來進行工業過程中的故障檢測，但是測量設備只能獲取工業生產系統的工作數據并不能直接得出是否出現故障的結論，因此如何根據測量設備獲取的數據進行故障檢測，以及提高故障檢測的準確性成為本領域的研究重點。

發明內容

針對現有技術中的上述不足，本發明提供的一種基于ICA與SVM集成學習的故障檢測方法可以通過測量設備獲取的數據準確且快速地進行故障檢測。

為了達到上述發明目的，本發明采用的技術方案為：

提供一種基于ICA與SVM集成學習的故障檢測方法，其包括以下步驟：

S1、獲取目標工業生產系統不同工況下測量設備對目標工業生產系統的測量數據，并將同一工況下不同時刻的測量數據列入一個矩陣，將每個矩陣作為一個初始樣本集合；

S2、對正常工況下的初始樣本集合進行標準化，得到標準化后的正常工況下樣本集合；

S3、基于標準化后的正常工況下樣本集合構建ICA模型；

S4、獲取所要構建SVM模型的數量，對于每個SVM模型，從每個初始樣本集合中隨機抽取樣本組成每種工況的樣本子集，并對每個樣本子集進行標準化，得到與每個SVM模型相對應的訓練子集；

S5、基于每個訓練子集構建對應的SVM模型；

S6、獲取當前測量設備對目標工業生產系統的測量數據并將其進行標準化后作為檢測樣本；

S7、將檢測樣本分別作為所有ICA模型和SVM模型的輸入，對應得到每個ICA模型的輸出和SVM模型的輸出；

S8、將檢測樣本對應的所有ICA模型的輸出和SVM模型的輸出通過貝葉斯推理集成計算其集成概率值；

S9、判斷集成概率值是否大于等于閾值，若是則判定該檢測樣本為故障，否則判定該檢測樣本為正常，完成故障檢測。

進一步地，步驟S1的具體方法為：

采用K個測量設備同時獲取目標工業生產系統在C種工況下的測量數據，將同一時刻K個測量設備對應的測量數據作為一個樣本，將同一工況下不同時刻的測量數據列入一個矩陣，將每個矩陣作為一個初始樣本集合，得到C個初始樣本集合；即每個初始樣本集合中的每個樣本均具有K個元素。

進一步地，步驟S2的具體方法為：

對于正常工況下的初始樣本集合X₀＝[x₀(1),x₀(2),...,x₀(r),...,x₀(n₀)]，根據公式：