基于多模型SVM的多模态过程故障检测

摘要

为了有效改进支持向量机(SVM)在工业过程中的故障检测性能，提出一种基于多模型SVM(multi-model SVM,MM-SVM)的多模态过程故障检测方法.首先，运用局部概率密度方法对多模态数据进行预处理，消除多模态数据对故障检测性能的影响；其次，通过改变SVM的核参数建立多个SVM模型进行故障分类；最后，将多个SVM模型的分类结果进行整合，通过概率大小定义数据类别，实现对故障的有效检测.将该方法应用于多模态数值例子和田纳西-伊斯曼多模态过程，并与PCA、KPCA和SVM方法作比较，实验结果进一步验证了该方法的有效性.

关键词

支持向量机 / 核参数 / 局部概率密度 / 多模态过程 / 故障检测