自然科学版 英文版
自然科学版 英文版
自然科学版 英文版
自然科学版 英文版
英文版编委
自然科学版 英文版
英文版首届青年编委

您目前所在的位置:首页 - 期刊简介 - 详细页面

中南大学学报(自然科学版)

Journal of Central South University

第40卷    第2期    总第186期    2009年4月

[PDF全文下载]    [Flash在线阅读]

    

文章编号:1672-7207(2009)02-0447-05
基于RS与LS-SVM多分类法的故障诊断方法及其应用
蒋少华1, 2,桂卫华1,阳春华1,戴贤江1

(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)

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。

 

关键词: 粗糙集;最小二乘支持向量机;多类分类器;故障诊断

Fault diagnosis method based on rough set and least squares support vector machine and its application
JIANG Shao-hua1, 2, GUI Wei-hua1, YANG Chun-hua1, DAI Xian-jiang1

1. School of Information Science and Engineering, Central South University, Changsha 410083, China;2. School of Computer Science, Shaoguan University, Shaoguan 512024, China

Abstract: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%.

 

Key words: rough set(RS); least squares support vector machine(LS-SVM); multi-class classifiers; fault diagnosis

中南大学学报(自然科学版)
  ISSN 1672-7207
CN 43-1426/N
ZDXZAC
中南大学学报(英文版)
  ISSN 2095-2899
CN 43-1516/TB
JCSTFT
版权所有:《中南大学学报(自然科学版、英文版)》编辑部
地 址:湖南省长沙市中南大学 邮编: 410083
电 话: 0731-88879765(中) 88836963(英) 传真: 0731-88877727
电子邮箱:zngdxb@csu.edu.cn 湘ICP备09001153号