论文部分内容阅读
本文主要是研究有监督学习算法的一种-支持向量机(SVM)算法,在深入研究支持向量机理论的基础上,提出了具有遗忘因子的递推最小二乘支持向量机(FFRLSSVM)算法。并针对间歇过程在工业生产过程中所占比重越来越大的现状,本文选择间歇生产过程作为故障诊断算法的应用对象。针对间歇过程所具有的多批次、非线性、非高斯等复杂特性,将多向快速独立主元分析(MFastICA)与改进的支持向量机算法相结合,综合两种算法各自的优势,提出故障诊断算法MFastICA-FFRLSSVM。MFastICA-FFRLSSVM算法主要思想是:首先通过MFastICA算法进行多批次数据维数转换,并快速提取转换后数据的独立分量,然后训练FFRLSSVM算法的故障诊断模型,最后将训练好的故障诊断模型用于过程故障诊断中。本文的对比实验结果表明,MFastICA-FFRLSSVM算法具有更高的诊断精度和更稳定的诊断效果,该算法中的快速和递推算法保证了运算的快速性;而遗忘因子的加入,不仅增加了新数据对诊断模型的影响程度,使得模型更新速度更快,同时也增加了算法对数据波动的敏感性,从而诊断精度更高。但是在使用该算法时需要选取合适的遗忘因子,不可选取过小,否则采样数据会被过度“遗忘”。