多切面分类改进独立成份与支持向量机集成故障诊断方法  

Multi-section classification improving integrated fault diagnosis method based on independent component analysis and support-vector-machines

作　　者：薄翠梅[1] 柏杨进[1] 杨海荣[2] 张广明[1] 

机构地区：[1]南京工业大学自动化与电气工程学院,江苏南京210009 [2]上海宝信软件股份有限公司,上海201203

出　　处：《控制理论与应用》2012年第2期229-234,共6页Control Theory & Applications

基　　金：国家自然科学基金资助项目(60804027);江苏省自然科学基金资助项目(BK2011795);中国博士后科学基金资助项目(20100471325);江苏省博士后科学基金资助项目(0901011B)

摘　　要：本文采用多切面分类方法改进独立成份(ICA)与支持向量机(SVM)集成诊断方法.在高维独立成份特征空间中采用多切面分类方法在不同切面上分别建立SVM故障分类模型.对不同切面的分类情况进行故障识别,改善ICA--SVM集成故障诊断性能.将ICA--MSVM集成故障诊断方法对动态执行器基准平台(DAMADICS)的19种阀门故障模式进行仿真验证,结果表明改进的ICA--MSVM方法有效地提高了故障诊断精度.The integrated diagnosis method of independent component analysis （ICA） and supportvectormachines （SVM） is improved by multisection classification. Fault classification model of SVM is designed for each section in the high dimensional characteristic space. By diagnosing the fault type in different section, we improve the ICASVM fault diagnosis performance. This method has been applied to diagnose 19 types of valve failures on the dynamic actuator refer ence platform （DAMADICS）. Simulation results show that the ICAMSVM fault diagnosis method based on multisection classification effectively improves the accuracy of fault diagnosis.

关 键 词：多切面分类 独立成分分析 支持向量机 故障辨识 执行器基准平台 

分 类 号：TH165.3[机械工程—机械制造及自动化] TP18[自动化与计算机技术—控制理论与控制工程]