论文部分内容阅读
本文针对典型工业过程故障诊断问题的特点，提出了一种新型的基于小波降噪、核主元分析和遗传算法优化的最小二乘支持向量机复合智能网络模型。该模型首先应用小波分析方法对工业过程中初始变量进行降噪预处理。对于输入变量过多的情况，则再采用核主元分析法把初始输入映射到高维特征空间，然后在高维特征空间中计算得分向量，降低样本的维数，剔除原始输入数据间存在冗余信息，提取主元作为复合智能网络的输入。介绍了遗传算法的基本原理和特点，针对传统遗传算法存在的不足，采用“精英保护策略+使用多种交叉函数”的方法进行改进。针对最小二乘支持向量机的参数难以确定的问题，采用改进的遗传算法进行参数的搜索，对网络模型进行优化。最后将其应用于TE(TennesseeEastman)过程的故障诊断中，仿真实验结果表明该故障诊断模型在计算时间和推广能力上较其他网络模型存在较大的优势。