一种基于层次分析法和加权投票决策融合的故障检测方法

摘要

本发明公开了一种基于层次分析法和加权投票决策融合的故障检测方法，该方法首先选取多个分类器方法作为融合子分类器，通过训练数据集建立多个分类器模型，根据各分类器分类结果得到相应的评价指标，然后通过层次分析法对多个分类器方法进行打分排序，从而给各分类器赋予相应的权重。最后，通过加权投票融合方法将多个分类器决策结果集成，得到最终的故障检测结果。相比目前的其他方法，本发明不仅提高了工业过程的监测效果，增强了过程操作员对过程的掌握和操作信心，而且在很大程度上改善了单一故障检测方法的局限性，更加有利于工业过程的自动化实施。

主权项

一种基于层次分析法和加权投票决策融合的故障检测方法，其特征在于，包括以下步骤：(1)利用系统收集过程正常工况的数据组成建模用的训练样本集：X＝[x₁；x₂；…；x_n]。其中X∈R^n×m，n为训练样本数，m为过程变量数，R为实数集，R^n×m表示X满足n×m的二维分布。将这些数据存入历史数据库。(2)对数据集X进行预处理和归一化，使得各个过程变量的均值为零，方差为1，得到新的数据矩阵集为(3)调用不同的分类器方法，选择分类器的个数为G，在新的数据矩阵集下建立不同的分类器模型，构造相应的T²和SPE统计量的检测统计限。(4)将建模数据和各个模型参数存入历史数据库中备用。(5)收集新的过程数据，并对其进行预处理和归一化。分别采用不同的分类器模型对其进行监测，即计算T²和SPE统计量，那么每一种分类方法对当前的监测数据样本都可以得到一个正常或者故障的决策。(6)根据每一个分类器模型的检测结果构造层次结构模型，通过层次分析法对单一分类器性能进行评价，给出打分排序结果。(7)结合加权投票决策融合方法，通过不同分类器对不同故障检测率的先验知识，计算当前监测数据在所有分类器方法下的综合检出率，做出最后决策。