故障分离——一种基于FDA-SVDD的模式分类算法

为了克服多变量统计过程控制在故障分离上的缺陷，提出了一种新的故障分离方法。新方法由基于Fisher判别分析（FDA）的特征提取、Fisher线性分类和基于支持向量数据描述（SVDD）的非线性核空间模式分类等算法组成。构造了基于FDA-SVDD的串级和混联融合方式，并设计了基于SVDD的加权归一化半径模式判别准则。非等温连续搅拌槽（CSTR）过程仿真验证了混联融合比单纯的FDA分类算法和串级融合具有更优良的故障分离效果。