基于多特征的PSO-MSVM动态过程质量异常模式识别

优先出版

计 算 机 应 用 研 究

第32卷

基于多特征的PSO-MSVM动态过程质量异常模式识别

刘玉敏1，周昊飞2

(郑州大学 商学院，郑州 450001)

摘 要：为了提高动态过程质量异常模式识别效率，将动态过程质量模式的均值特征与小波包分解特征作为分类特征，并构建两层多支持向量机识别模型进行分类。利用均值特征，在第一层MSVM中把动态过程变化趋势划分为正常与周期、上升与向上阶跃、下降与向下阶跃三大类别。而后，采用小波包分解特征，在第二层MSVM中对这三大类别进行再分类。仿真结果表明本文提出的识别模型的识别精度相比采用单一特征的识别模型有明显提高。 关键词：动态过程；质量异常模式；均值特征；小波包分解；多支持向量机 中图分类号：TP274+.3 文献标志码：A

Recognition of quality abnormal patterns for dynamic process based on

multi-features with PSO-MSVM

LIU Yu-min1, ZHOU Hao-fei2

(Business School, Zhengzhou University, Zhengzhou 450001, China)

Abstract: In order to improve the effectiveness of quality abnormal pattern recognition in dynamic process, a novel method is proposed, which extracted mean and wavelet packet decomposition (WPD) features of quality pattern from raw features, as well as to establish a two-layered MSVM recognition model for classification. The mean characteristics effectively enhances the discrimination between different patterns which are used to recognize the changing trends of dynamic process into three major types in the first layer MSVM. Moreover, the WPD features ensure this method a well recognition performance to provide a further classification of the three major types in the second layer MSVM. The simulation results show that the recognition accuracy of the model presented in this paper, compared with the single feature recognition model, has a remarkable improvement.

Key Words: dynamic process; quality abnormal pattern; mean feature; wavelet packet decomposition; MSVM

动态数据流变化呈现出正常、上升趋势、下降趋势、向上阶跃、向下阶跃和周期六种趋势，统称为动态过程质量模式[3]，如图（1）所示。目前，动态过程质量异常模式识别的研究主要采用基于特征数据的多支持向量机（MSVM）方法对一些工业过程的特定故障诊断和控制图异常模式识别 [4-6]。该方法通过数据特征的提取可有效地对数据降维、降低分类器的计算复杂性，而被广泛应用于质量诊断领域[7-8]。

0 引言

随着现代化工、石油、冶金、机械、物流等工业不断向大型化、复杂化和连续化方向发展[1-2]，在连续的生产过程或自动化设备的加工过程积累了大量的动态数据流，这些数据反映了连续生产过程的运行状态，而生产过程的运行状态直接影响着产品性能的变化和产品质量的优劣。因此，如何有效地识别动态数据流变化趋势是诊断生产过程的运行状态、保障产品质量性能的关键。

4（a）正常模式20-2-4（b）向上趋势模式（c）向上阶跃模式（a）正常模式（d）向下趋势模式（e）向下阶跃模式（f）周期模式050100150200250300350

图1 动态过程质量模式

--------------------------------

基金项目：基于模式识别的动态过程质量监控与诊断(71272207)；改善低剂量CT三维重建图像质量算法研究(61271146)

作者简介：刘玉敏(1956-)，女，河南濮阳人，教授，博士，主要研究方向为质量控制、质量智能诊断(yuminliu@zzu.edu.cn)；周昊飞(1983-)，男，博士研究生，主要研究方向为质量智能诊断．

文章预览已结束

获取全文请访问 http://www.arocmag.com/article/02-2015-03-019.html