[发明专利]基于层次分析法和模糊融合的工业过程故障分类方法

摘要

本发明公开了一种基于层次分析法和模糊融合的工业过程故障分类方法，该方法首先通过训练数据集对多个分类器方法进行离线建模，获得多个模型。然后将分类器的分类性能以融合矩阵形式展现，并通过层次分析法对多个分类器模型进行打分评价，从而给各分类器赋予相应的权重。最后，调用上述分类器模型，根据每种分类器的分类结果计算得到判别矩阵，并利用判别矩阵以及层次分析法打分结果通过模糊融合方法将多个分类器分类结果集成，得到最终的故障分类结果。相比目前的其他方法，本发明不仅提高了工业过程的诊断效果，增强了过程操作员对过程的掌握和操作信心，而且在很大程度上改善了单一故障分类方法的局限性，更加有利于工业过程的自动化实施。

主权项

1.一种基于层次分析法和模糊融合的工业过程故障分类方法，其特征在于，包括以下步骤：(1)收集工业过程正常工况的数据以及各种故障数据，组成建模用的训练样本集：假设故障类别为C,在加上一个正常类，建模数据的总类别为C+1,即Xi＝[x1；x2；…；xn]i＝1,2,…,C+1；其中Xi∈Rn×m，n为训练样本数，m为过程变量数，R为实数集，Rn×m表示X满足n×m的二维分布，所以完整的训练样本集为X＝[X1；X2；…；XC+1],X∈R((C+1)*n)*m，将这些数据存入历史数据库；(2)收集与训练数据不同的样本数据作为离线测试数据，共C类，每一类数据为Yj＝[y1；y2；…；yN],j＝1,2,…,C，其中Yj∈RN×m，且N为测试样本数，m为过程变量数，完整的测试样本集为Y＝[Y1；Y2；…；YC],Y∈R(C*N)*m，将这些数据存入历史数据库；(3)从数据库中调用训练数据X，对其进行预处理和归一化，使得各个过程变量的均值为零，方差为1，得到新的数据矩阵集为(4)按照上一步得到的训练样本均值和方差对测试数据Y进行预处理和归一化，使得各个过程变量的均值为零，方差为1，得到新的数据矩阵集为(5)调用不同的分类器方法，选择分类器的个数为G，在新的数据矩阵集下建立不同的分类器模型；(6)在测试数据集下，利用不同的模型和参数，计算每个分类器的融合矩阵M_g,g＝1,2,…,G,并且M_g∈R^C*(C+1)；(7)根据每一个分类器模型的分类结果和融合矩阵数据构造层次结构模型，通过层次分析法对单一分类器性能进行评价，给出打分排序结果；(8)将建模数据和各个模型参数存入历史数据库中备用；(9)收集新的过程数据X_new，并对其进行预处理和归一化得到分别采用不同的分类器模型对其进行监测得到分类结果，根据分类结果和之前得到的融合矩阵中包括的各个模型先验知识计算得到判别矩阵D∈R^G*C；(10)结合之前层次分析法对模型的评价结果以及判别矩阵，使用模糊融合方法，计算当前监测数据在所有分类器方法下的综合分类结果。