质量预测及故障诊断建模过程中非线性特征提取

作     者：赵建喆 王大可 李凯 朱志良 

作者机构：东北大学软件学院辽宁沈阳110819 东北大学工商管理学院辽宁沈阳110819 

出 版 物：《东北大学学报（自然科学版）》 (Journal of Northeastern University(Natural Science))

年 卷 期：2012年第33卷第6期

页      面：793-796页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：辽宁省科技攻关项目(2011219004 2011216027) 辽宁省博士启动基金资助项目(20111001) 

主　　题：核主成分分析(KPCA) 粗糙集 非线性特征提取 支持向量机 故障诊断 

摘      要：工业生产的质量预测及故障诊断建模过程中所涉及的特征数目大、复杂性高、非线性突出,造成了模型维数过高、时间复杂度高、计算精度下降.针对上述问题,提出了一种基于核主成分分析和粗糙集的特征提取方法,首先使用核主成分分析进行特征提取,再对提取出的特征用粗糙集进行约简,介绍了该方法的原理和具体实现步骤.并以某玻璃厂锡槽作业工艺为背景进行仿真实验,应用实际生产数据建立支持向量机的故障诊断模型,将应用核主成分分析、粗糙集及所提方法提取出的特征输入SVM诊断模型.对比三种方法的实验结果表明,基于核主成分分析和粗糙集的特征提取方法提取出的特征更优.