针对故障诊断中故障类样本难于获取以及不均衡类问题,提出了基于粒子群和滑动窗口的支持向量数据描述(M-SVDD)故障诊断方法.该方法利用粒子群优化支持向量数据描述的核参数,同时引入滑动窗口技术,通过大窗口大小来控制故障诊断模型的训练样本数,根据小窗口的预测误差变化动态调整大窗口的大小.采用该方法对铜转炉吹炼过程进行故障诊断的实验结果表明,该方法能有效抑制过拟合现象,具有故障敏感性高、泛化能力强等特点.

针对故障诊断中故障类样本难于获取以及不均衡类问题, 提出了基于粒子群和滑动窗口的支持向量数据描述(M-SVDD)故障诊断方法. 该方法利用粒子群优化支持向量数据描述的核参数, 同时引入滑动窗口技术, 通过大窗口大小来控制故障诊断模型的训练样本数, 根据小窗口的预测误差变化动态调整大窗口的大小. 采用该方法对铜转炉吹炼过程进行故障诊断的实验结果表明, 该方法能有效抑制过拟合现象, 具有故障敏感性高、泛化能力强等特点