基于可信软标签线性判别分析的工业过程故障诊断方法技术

本发明专利技术提供一种基于可信软标签线性判别分析的工业过程故障诊断方法，涉及故障检测与诊断技术领域。该方法首先采集工业过程的数据；其次对原始数据进行正标记，并对正标记数据进行正标签传播，根据正标签传播结果对原始数据进行正负标签协同传播，使未标记数据获得软标签；然后采用可信的软标签线性判别分析算法计算将高维原始数据投影到低维空间的投影矩阵；最后设计分类器，对工业过程进行在线故障诊断。本发明专利技术提供的基于可信软标签线性判别分析的工业过程故障诊断方法，解决了软标签获取时易产生的误分类以及软标记数据使用不当的问题，降低了故障检测中的误报警率，提高了故障检测的准确性。

An industrial process fault diagnosis method based on the linear discriminant analysis of trusted soft label

The invention provides an industrial process fault diagnosis method based on the trusted soft label linear discriminant analysis, which involves the field of fault detection and diagnosis. Firstly, collecting industry data; secondly, it marks the original data, and it is on the label propagation of labeled data, according to the label propagation results of the original data and label collaborative communication, the unlabeled data to obtain soft label; then discriminant analysis algorithm to calculate the high dimensional data projection matrix dimensional space using soft label linear channel; finally designed the classifier for on-line fault diagnosis of industrial process. The present invention provides industrial process fault diagnosis method of linear discriminant analysis based on trusted soft label, solves the problem of improper use is easy to produce soft label to obtain the error classification and soft labeled data, reduce the fault detection rate of false alarm, improve the accuracy of fault detection.

【技术实现步骤摘要】
基于可信软标签线性判别分析的工业过程故障诊断方法
本专利技术涉及故障监测与诊断
，尤其涉及一种基于可信软标签线性判别分析的工业过程故障诊断方法。
技术介绍
工业生产的实际生产过程非常复杂，容易发生故障。传统的故障检测方法把生产过程中的物理化学变量数据和图像声音视频数据分开进行建模，这种建模方式忽视了二者之间的联系。软标签线性判别分析方法(softlabellineardiscriminantanalysis，SLLDA)是一种半监督方法，SLLDA首先通过标签传播算法使得大量的未标记数据获得可信度较低的软标签，之后进行线性判别分析。线性判别分析方法目的就是求解出高维空间到低维空间的最优映射，同类数据通过映射之后类内数据点之间的间距尽可能的小，异类数据通过映射之后类间数据点间距尽可能的大。与LDA方法相比，SLLDA方法解决了工业现场难以获取大量的已标记训练数据的问题。但是SLLDA方法也存在很多问题，传统的正标签传播方法是通过初始标记矩阵以及迭代公式求出标签概率显示矩阵，标签概率显示矩阵每一行的最大值对应的类别就是这个样本所属的类别。但是当标签概率显示矩阵某一行出现两个最大的数本文档来自技高网...

【技术保护点】
一种基于可信软标签线性判别分析的工业过程故障诊断方法，其特征在于：包括以下步骤：步骤1：采集工业过程中的数据，得到多维的原始数据矩阵作为训练样本数据，并且对其进行标准化处理；步骤2：对标准化处理的数据进行正标记，使用正标记数据进行正标签传播，然后根据正标签传播结果对原始数据进行负标记，最后使用正标记数据和负标记数据进行正负标签协同传播得到未标记数据的最优软标签，具体方法为：步骤2.1：对标准化处理的数据进行正标记，使用正标记数据进行正标签传播；步骤2.2：根据正标签传播结果对原始数据进行负标记，并使用正标记数据和负标记数据进行正负标签协同传播得到未标记数据的最优软标签；步骤3：求解将高维原始数...

【技术特征摘要】
1.一种基于可信软标签线性判别分析的工业过程故障诊断方法，其特征在于：包括以下步骤：步骤1：采集工业过程中的数据，得到多维的原始数据矩阵作为训练样本数据，并且对其进行标准化处理；步骤2：对标准化处理的数据进行正标记，使用正标记数据进行正标签传播，然后根据正标签传播结果对原始数据进行负标记，最后使用正标记数据和负标记数据进行正负标签协同传播得到未标记数据的最优软标签，具体方法为：步骤2.1：对标准化处理的数据进行正标记，使用正标记数据进行正标签传播；步骤2.2：根据正标签传播结果对原始数据进行负标记，并使用正标记数据和负标记数据进行正负标签协同传播得到未标记数据的最优软标签；步骤3：求解将高维原始数据投影到低维空间的投影矩阵W，具体方法为：首先将已标记数据按类别从第1类到第c类进行排列得到已标记数据XL，将携带软标签的未标记数据按类别从第1类到第c类进行排列得到未标记数据XU，分别计算已标记数据XL类间散度矩阵及类内散度矩阵和携带软标签的未标记数据XU的类间散度矩阵及类内散度矩阵通过已标记数据和携带软标签的未标记数据的类内散度矩阵、类间散度矩阵，得到高维原始数据投影到低维空间所需的投影矩阵W，如下公式所示：其中，参数γ为调节已标记数据的散度矩阵和携带软标记的未标记数据的散度矩阵二者比例的参数，τ为正则化参数，ID′是D′行D′列的单位矩阵，D′为原始矩阵的维数；将投影矩阵W的求解转化为对下列特征方程进行特征分解，得到的前d个最大特征值所对应的特征向量构成投影矩阵W，其中，d为低维空间的维数；(γSbL+(1-γ)SbU)wk＝υk(γSwL+(1-γ)SwU+τID′)wk其中，υk为特征值，wk为特征向量；步骤4：建立分类器在线对工业过程进行故障检测与诊断，具体方法为：步骤4.1：计算已标记数据每一类的类均值和协方差矩阵；步骤4.2：计算携带软标签的未标记数据每一类的类均值和协方差矩阵；步骤4.3：计算每一类原始数据的均值和协方差，得到每类数据的概率密度函数，完成分类器的建立；步骤4.4：使用分类器对工业过程进行在线故障诊断。2.根据权利要求1所述的一种基于可信软标签线性判别分析的工业过程故障诊断方法，其特征在于：步骤2.1所述对标准化处理的原始数据进行正标记，使用正标记数据进行正标签传播的具体方法为：经过步骤1标准化处理以后的数据为其中xi∈RD′并且yi∈{1，2，...，c}，xi为第i个训练样本数据，yi是第i个样本数据所属的类别，i＝1，...n，n为训练样本数据个数，c为原始数据所属的类别数；将标准化处理后的原始数据集进行标记之后得到已标记数据集和未标记数据集Du＝{xl+1，xl+2，...，xl+u}，其中，l是已标记数据个数，u是未标记数据个数，且二者满足l+u＝n；在已标记数据集和未标记数据集Du＝{xl+1，xl+2，...，xl+u}的基础上构建图G＝(V，E，M)，其中，V为图的顶点集合，E为图的边集，M为边的权重矩阵，矩阵值表示为：其中，Mii′为第i个数据点和第i′个数据点所构成边的权重，σ为高斯函数的带宽参数，xi和xi′分别表示第i个和第i′个标准化后的原始数据点，i′＝1，...，n；对权重矩阵M进行归一化，得到标签传播矩阵N，如下式所示：其中，di为权重矩阵M的第i行所有元素的和，i＝1，2，…，n；根据已标记数据的初始标签，得到n行c列的初始正标签矩阵Y，其前l行根据以下公式进行赋值，其余行的所有元素均赋值为零；其中，j＝1，...，c为原始数据所属的类别；使用正标签传播方法对初始标签矩阵Y进行迭代计算，迭代公式为：F(t+1)＝βNF(t)+(1-β)Y其中，参数β∈(0，1)为用户自己确定的正标签传播参数，F(t)为标签概率显示矩阵F迭代到第t次得到的结果、F(t+1)为标签概率显示矩阵F迭代到第t+1次得到的结果；每一次的迭代过程中，每一个数据点新的标签信息来源于两个部分，第一部分为该数据点的邻域数据点的标签信息，第二部分为该数据点的原始标签信息；通过迭代公式，得到标签概率显示矩阵F第t次的迭代结果如下式所示：其中，θ＝0，…，t-1为迭代次数；通过迭代公式F(t)进行迭代，直到收敛，得到标签概率显示矩阵F如下：其中，I为n阶单位矩阵，βN满足矩阵I-βN为非奇异矩阵。3.根据权利要求2所述的一种基于可信软标签线性判别分析的工业过程故障诊断方法，其特征在于：步骤2.2所述对原始数据进行负标记，并使用正标记数据和负标记数据进行正负标签协同传播得到未标记数据的最优软标签具体方法为：将标签概率显示矩阵F分为两部分，FL是已标记数据所对应的行，FU是未标记数据所对应的行；对已标记数据对应的负标记矩阵进行赋值时，仅需要将每个数据所属的类别处标记零，其余位置均为1，即每行只有一个零元素，其余均为1，负标记的赋值公式为：对未标记数据对应的负标记矩阵进行赋值时，计算FU第j行最大的两个值之间的差值Δj，选取前m个差值最小的行所对应的未标记数据进行负标记，其中m是用户自己设定的数值，将每个需要进行负标记的未标记数据所对应的行FU的行向量中最大的两个值所属的两个类别处标记零，其余位置均为1，即每行有两个零元素，其余均为1；通过正负标签协同传播算法对正则化框架进行最小化，得到最优的标签概率显示矩阵F*，正则化框架表示为：ψ(F)＝tr(FTN′F)+λ[λ1tr((F-Y+)T(F-Y+))-λ2tr((F-Y-)T(F-Y-))]其中，λ为调节损失函数λ1tr((F-Y+)T(F-Y+))-λ2tr((F-Y-)T(F-Y-))和图的平滑度限制项tr(FTN′F)二者权重的参数，λ1和λ2为调节正标签损失函数tr((F-Y+)T(F-Y+))和负标签损失函数tr(...

【专利技术属性】
技术研发人员：张颖伟，刘志远，李旭光，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21