一种基于动态剪枝二叉树SVMs的高炉故障诊断新方法.pdfVIP

第28卷 第12期 仪 器 仪 表 学 报 Vo1．28 No．12 2007年12月 Chinese Journal of Scientific Instrument Dec．2007 一 种基于动态剪枝二叉树SVMs的 高炉故障诊断新方法术 王安娜，吴 洁，张丽娜，陈 宇 (东北大学信息科学与工程学院 沈阳 l10004) 摘 要：高炉故障诊断是一个多类分类问题，且各个故障类别问具有一定的关系，在识别其中某一类故障时，并不需要区分全 部故障的类别，为此提出了基于剪枝二叉树的支持向量机改进算法，每次识别时都去除相对没有价值的支持向量，根据类间相 似度重新构造二叉树，剪掉没有价值的枝节，减少支持向量机个数，加速识别过程。通过对高炉故障模型的仿真实验，比较不同 多类分类算法的性能，证明该方法能够在保证识别准确率的情况下提高故障诊断速度。 关键词：剪枝二叉树；支持向量机；多类分类；故障诊断 中图分类号：TP206 ．3 文献标识码：A 国家标准学科分类代码：520．2040 Novel blast furnace fault diagnosis method based on dynamic pruned binary tree SVMs Wang Anna，Wu Jie，Zhang Lina，Chen Yu (College of Information Science and Engineering，Northeastern University，Shenyang 1 10004，China) Abstract：Blast furnace fault diagnosis is a multi—class classification problem，and the fault sorts have special rela— tion among each other．It is not necessary to distinguish all the fault sorts when identifying one of them．In this pa— per，a novel algorithm based on pruned binary tree SVMs is proposed．In order to improve classification efficiency， we take out the relatively flimsy support vectors in identification process：construct a new binary tree without flimsy branches by defining similarities between every two sorts．Compared with different multi—class classification algo— rithms，the simulation results of blast furnace fault diagnosis show that this algorithm can improve the efficiency and speed of blast furnace fault diagnosis while insuring the identification accuracy． Key words：pruned binary tree；support vector machine；multi—class identification；fault diagnosis 知识的表达都存在很大的困难，专家系统本身的经验总 1 引 言 结也存在缺陷；神经元网络的方法泛化能力差、隐含层单