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：20210108

公 开 号：CN112200104A

代 理 人：王玉芝

代理机构：50223 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。

关 键 词：平滑参数  故障诊断  关键特征  蜻蜓  算法  朴素贝叶斯分类器 贝叶斯模型 测试数据集  高斯核函数 主成分分析 过程数据 化工过程  预测误差  贝叶斯 贡献度  统计量  监测  采样  准确率  引入  分类  

IPC专利分类号：G06K9/00(20060101);G06K9/62(20060101);G06N7/00(20060101)