CBFS-SVM及其在故障诊断中的应用CBFS-SVMandits.pdfVIP

电子发烧友 电子技术论坛 CBFS-SVM及其在故障诊断中的应用 CBFS-SVM and its Application in Fault Diagnosis 国家自然科学基金项目 项目编号: 项目名称：污水生化处理系统的建模与节能优化控制 基金申请人：罗飞 （华南理工大学广州）余仁辉 罗 飞 许玉格 YU Renhui LUO Fei XU Yuge 摘 要：本文结合了属性相关性分析及支持向量机分类机理, 提出了一种新的故障诊断方 法。首先使用基于属性相关性分析的方法对过程特征变量进行简约, 去除冗余的过程信息, 并降低过程数据的维数, 获得具有代表性的过程特征信息，同时充分利用支持向量机的良好 推广性能，提高了预测分类精度。对污水处理过程故障诊断实验结果表明了该方法的优越性。 关键词：污水处理；故障诊断；特征提取；属性相关性分析；支持向量机 中图分类号：TP391 文献标识码：A 文章编号： Abstract: A fault diagnosis method was developed based on attribute reduction with Correlation Based Factor Selection (CBFS) and principle of support vector machine (SVM) classification. CBFS method is first used to reduce the redundant information in the data. Meanwhile, SVM increases classification accuracy with good generalization performance. The resulting features are used to t rain a support vector classifier by solving a quadratic programming problem. Test results for fault detection in a Wastewater Treatment Plan show that the method has satisfactory accuracy and real time response. Key words: Wastewater treatment, Fault detection, Feature selection, CBFS, SVM 1 引言 污水处理过程是个典型的多变量、非线性、具有强外部干扰的复杂工业过程，因此，如 何进行污水处理工艺过程的故障诊断成为一个有意义的研究课题。国内现有污水处理厂用于 故障诊断的智能技术多为专家系统，但专家系统存在知识获取瓶颈问题。因此，在缺乏经验 丰富的污水处理运行管理人员的情况下，需要一套可供操作人员使用的污水处理系统运行状 态的监测/监控系统。运行状态的监测/监控本质上是一个模式分类问题，因此可将模式分类 方法用于生产过程的运行状态监测。近年来，支持向量机(SVM)受到广泛关注，它是基于结 构风险最小化准则，使期望泛化误差的上界最小，且具有好的推广能力的一种方法，已广泛 应用到各个领域[1-3 ] 。本文提出了一种基于相关性的特征选择(Correlation-Based Factor Selection，CBFS) 和SVM相结合的分类方法并应用于污水处理过程故障诊断，利用CBFS法 进行属性简约，降低样本维数，这样可以减少测量属性的传感器数目，降低成本，同时提高 模型准确率以及增加模型的可解释程度。另外，利用SVM 良好的推广能力，在小样本训练 的情况下得到较好的故障诊断效果。 2 CBFS 和 SVM 理论回顾 2.1 属性相关性分析 基于相关性的属性选择是一种属性过滤方法，它在学习开始之前，先过滤属性集及产生 一个与结果最为相关的属性子集。为此需找到一个合适的量度来衡量属性之间的相关性，从 而可根据属性间依赖程度对条件属性进行简约。这里采用基于信息理论中熵的方法来对变量