典型文献
基于改进KFDA与DE优化SOM的故障诊断模型及其化工过程诊断
文献摘要：
针对化工过程故障诊断数据存在高维度、故障特征不易区分、自组织映射(self-organizing map,SOM)网络易陷入局部最优等问题,提出了一种基于改进核Fisher判别分析(kernel Fisher discriminant analysis,KFDA)与差分进化算法(differential evolution,DE)优化SOM神经网络相结合的故障诊断方法.该方法首先利用欧氏距离对类间距进行加权处理,以避免因类间距离过大造成投影后的数据存在重叠的问题,使故障数据样本获得较好的投影效果,优化分类性能;然后,利用DE算法对SOM神经网络的权值向量进行动态调整,有效避免了由于"死神经元"的出现陷入局部最优的问题;最后,通过对田纳西-伊斯曼(tennessee-eastman,TE)过程和对二甲苯(paraxylene,PX)歧化工艺过程的故障数据进行诊断测试.结果表明,与传统SOM网络相比,提出的KFDA-DE-SOM算法具有较高的分类诊断精度,可有效应用于化工过程的故障诊断.
文献关键词：
过程控制;神经网络;优化设计;差分进化算法;故障诊断
中图分类号：
作者姓名：
李国友;张新魁;才士文;贾曜宇;宁泽
作者机构：
燕山大学智能控制系统与智能装备教育部工程研究中心,河北秦皇岛066004
文献出处：
引用格式：
[1]李国友;张新魁;才士文;贾曜宇;宁泽-.基于改进KFDA与DE优化SOM的故障诊断模型及其化工过程诊断)[J].化工进展,2022(04):1793-1801
A类：
KFDA,tennessee,eastman,paraxylene
B类：
DE,SOM,故障诊断模型,化工过程,高维度,故障特征,自组织映射,self,organizing,map,局部最优,优等,Fisher,判别分析,kernel,discriminant,analysis,差分进化算法,differential,evolution,故障诊断方法,欧氏距离,类间距离,影后,故障数据,分类性能,权值,死神,田纳西,伊斯曼,TE,对二甲苯,PX,工艺过程,诊断测试,分类诊断,有效应用,过程控制
AB值：
0.375538
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
