[发明专利]基于可信软标签线性判别分析的工业过程故障诊断方法

说明书

本发明提供一种基于可信软标签线性判别分析的工业过程故障诊断方法，涉及故障检测与诊断技术领域。该方法首先采集工业过程的数据；其次对原始数据进行正标记，并对正标记数据进行正标签传播，根据正标签传播结果对原始数据进行正负标签协同传播，使未标记数据获得软标签；然后采用可信的软标签线性判别分析算法计算将高维原始数据投影到低维空间的投影矩阵；最后设计分类器，对工业过程进行在线故障诊断。本发明提供的基于可信软标签线性判别分析的工业过程故障诊断方法，解决了软标签获取时易产生的误分类以及软标记数据使用不当的问题，降低了故障检测中的误报警率，提高了故障检测的准确性。

技术领域

本发明涉及故障监测与诊断技术领域，尤其涉及一种基于可信软标签线性判别分析的工业过程故障诊断方法。

背景技术

工业生产的实际生产过程非常复杂，容易发生故障。传统的故障检测方法把生产过程中的物理化学变量数据和图像声音视频数据分开进行建模，这种建模方式忽视了二者之间的联系。

软标签线性判别分析方法(soft label linear discriminant analysis，SLLDA)是一种半监督方法，SLLDA首先通过标签传播算法使得大量的未标记数据获得可信度较低的软标签，之后进行线性判别分析。线性判别分析方法目的就是求解出高维空间到低维空间的最优映射，同类数据通过映射之后类内数据点之间的间距尽可能的小，异类数据通过映射之后类间数据点间距尽可能的大。与LDA方法相比，SLLDA方法解决了工业现场难以获取大量的已标记训练数据的问题。但是SLLDA方法也存在很多问题，传统的正标签传播方法是通过初始标记矩阵以及迭代公式求出标签概率显示矩阵，标签概率显示矩阵每一行的最大值对应的类别就是这个样本所属的类别。但是当标签概率显示矩阵某一行出现两个最大的数值相差较小的情况，很容易出现误分类。使得标签传播算法准确率较低进而降低故障监测准确度。除此之外，SLLDA方法将带有软标签的未标记数据作为已标记数据使用会降低线性判别分析方法的性能，也会降低故障监测的准确度。

发明内容

针对现有技术的缺陷，本发明提供一种基于可信软标签线性判别分析的工业过程故障诊断方法，降低工业生产故障监测过程中的误报警率。

基于可信软标签线性判别分析的工业过程故障诊断方法，包括以下步骤：

步骤1：采集工业过程中的数据，得到多维的原始数据矩阵作为训练样本数据，并且对其进行标准化处理；

步骤2：对标准化处理的数据进行正标记，使用正标记数据进行正标签传播，然后根据正标签传播结果对原始数据进行负标记，最后使用正标记数据和负标记数据进行正负标签协同传播得到未标记数据的最优软标签，具体方法为：

步骤2.1：对标准化处理的数据进行正标记，使用正标记数据进行正标签传播，具体方法为：

经过步骤1标准化处理以后的数据为其中x_i∈R^D′并且y_i∈{1，2，...，c}，x_i为第i个训练样本数据，y_i是第i个样本数据所属的类别，i＝1，...n，n为训练样本数据个数，D′为原始数据的维数，c为原始数据所属的类别数；将标准化处理后的数据集进行标记之后得到已标记数据集和未标记数据集D_u＝{x_l+1，x_l+2，...，x_1+u}，其中，l是已标记数据个数，u是未标记数据个数，且二者满足l+u＝n；

在已标记数据集和未标记数据集D_u＝{x_l+1，x₁₊₂，...，x_1+u}的基础上构建图G＝(V，E，M)，其中，V为图的顶点集合，E为图的边集，M为边的权重矩阵，矩阵值表示为：