位置:成果数据库 > 期刊 > 期刊详情页
基于RS与LS-SVM多分类法的故障诊断方法及其应用
  • ISSN号:1672-7207
  • 期刊名称:中南大学学报(自然科学版)
  • 时间:0
  • 页码:447-451
  • 语言:中文
  • 分类:TP277[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]中南大学信息科学与工程学院,湖南长沙410083, [2]韶关学院计算机科学学院,广东韶关512024
  • 相关基金:国家自然科学基金重点资助项目(60634020);国家自然科学基金资助项目(60574030);教育部博士点科研基金资助项目(20050533016)
  • 相关项目:面向节能降耗的有色冶金过程控制若干理论与方法研究
中文摘要:

针对密闭鼓风炉熔炼过程工艺复杂、工况变化较大的特点,提出应用粗糙集(RS)和最小二乘支持向量机(LS-SVM)进行鼓风炉故障诊断的方法。该方法首先利用RS对炉子的故障样本进行知识约简,获得各故障类型的征兆最小条件属性作为特征向量,然后,输入到由多个最小二乘支持向量机构成的多故障分类器中进行故障识别和分类。研究结果表明:该方法具有较强的泛化能力,诊断准确率达到90%以上。

英文摘要:

Aiming at the complex and variable reaction of Pb-Zn smelting in imperial smelting furnace (ISF), a novel method for the furnace fault diagnosis based on rough set (RS) and least squares support vector machine(LS-SVM) was put forward. According to the method, the original fault examples were reduced by using the rough set theory to get a simple rule collection as eigenvectors, and then these eigenvectors were input into multiple fault classifiers of LS-SVM to identify faults. The experimental results show that the method has better classification performance and its classification precision reaches more than 90%.

同期刊论文项目
期刊论文 287 会议论文 65 获奖 9 专利 15 著作 2
同项目期刊论文
期刊信息
  • 《中南大学学报:自然科学版》
  • 北大核心期刊(2011版)
  • 主管单位:教育部
  • 主办单位:中南大学
  • 主编:黄伯云
  • 地址:湖南长沙中南大学校本部
  • 邮编:410083
  • 邮箱:zngdxb@csu.edu.cn
  • 电话:0731-88879765
  • 国际标准刊号:ISSN:1672-7207
  • 国内统一刊号:ISSN:43-1426/N
  • 邮发代号:42-19
  • 获奖情况:
  • 首届全国优秀科技期刊评比一等奖,第二届全国优秀科技期刊评比一等奖,首届中国有色金属工业优秀科技期刊评比一等奖
  • 国内外数据库收录:
  • 美国化学文摘(网络版),荷兰文摘与引文数据库,美国工程索引,英国科学文摘数据库,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:20874