论文部分内容阅读
故障诊断是工业过程监控中的重要环节,其目的是检测异常行为并找出故障发生的根本原因。由于故障诊断可被视作是一个分类问题,已有的分类技术可以被应用于其上。为了找出故障发生的可能原因,一种可取的手段是采用特征选择技术。本文着重针对化工过程数据,研究“特征选择+分类器”模型中的特征选择方法。融合了特征选择方法的模型不仅通过降维减少了分类器的训练时间,还改善了分类器的诊断效果。本文的创新工作主要包括:(1)为处理非线性数据,将高斯核支持向量机递归特征消除算法引入故障诊断中,提出了一种基于高斯核支持向量机递归特