文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN202011105034.9

申 请 日：20201015

发 明 人：辜小花 李仁杰 杨光 卢飞 唐德东 柏俊杰 利节 杨利平

申 请 人：重庆科技学院 中南财经政法大学

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20220624

公 开 号：CN112200104B

代 理 人：王玉芝

代理机构：重庆蕴博君晟知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明提供一种基于增强主成分分析新型贝叶斯框架的化工故障诊断方法,包括以下步骤，S1：TE过程数据采样；S2：计算监测变量的贡献度；S3：提取故障的关键特征变量；S4：训练与测试数据集划分；S5：蜻蜓算法寻找最优平滑参数；S6：构造增强朴素贝叶斯模型。本发明的有益效果是，本发明提出的eKPCA根据Hotelling统计量(T<Sup>2</Sup>)和平方预测误差(SPE)来计算每个被监测变量对T<Sup>2</Sup>和SPE的贡献，从而更加精确得到数据的关键特征；本发明利用蜻蜓算法(DA)来寻求增强朴素贝叶斯分类器的最优平滑参数，并通过将平滑参数引入到多元高斯核函数中，使得eK‑eNBM可以对整个属性使用最优的平滑参数，从而提高分类精度，为化工过程提供较高的故障诊断准确率。

主 权 项：1.一种基于增强主成分分析新型贝叶斯框架的化工故障诊断方法,包括以下步骤，S1：TE过程数据采样；S2：计算监测变量的贡献度；S3：提取故障的关键特征变量；S4：训练与测试数据集划分；S5：蜻蜓算法寻找最优平滑参数；S6：构造增强朴素贝叶斯模型；所述步骤S2包括，将输入数据X_N×M∈R^N×M，其中N为样本数，M为特征总数，R为X取值的数据集合，R为实数空间，X为输入数据，通过非线性映射函数映射到G，G为高维特征空间，X_N×M∈R^N×M→G，是原始数据x_i在特征空间G中的映射，x_i(i＝1,…,N)为X的样本，的协方差矩阵表示为： 令λ∈R为C^F的特征值，U∈R^M是C^F的特征向量，因此有，λU＝C^FU，U表示为： 其中，α_i(i＝1,...,N)是展开系数，通过计算映射数据在特征向量U_k上的投影，得到主分量t_k：