[发明专利]一种改进的群智能机器学习故障诊断系统在审
| 申请号： | 201810458510.1 | 申请日： | 2018-05-14 |
| 公开（公告）号： | CN108764305A | 公开（公告）日： | 2018-11-06 |
| 发明（设计）人： | 刘兴高;何世明;徐志鹏;张泽银 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/00;G06N99/00;G06F17/50 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 邱启旺 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种改进的群智能机器学习故障诊断系统，用于对田纳西伊斯曼过程进行故障诊断，包括数据预处理模块、主成分分析模块、加权最小二乘支持向量机模块以及粒子群算法模块。本发明对田纳西伊斯曼化工过程的重要参数指标进行故障诊断预测，克服已有的化工故障诊断技术仪表预报精度不高、易受人为因素影响的不足，引入粒子群算法模块对加权最小二乘支持向量机参数进行自动优化，不需要人为经验或多次测试来调整系统参数，从而得到具有最优的粒子群算法加权最小二乘支持向量机田纳西伊斯曼化工故障诊断系统。此故障诊断系统预报的鲁棒性好，系统参数少，十分简便。 | ||
| 搜索关键词： | 故障诊断系统 最小二乘支持向量机 加权 粒子群算法模块 故障诊断 智能机器 数据预处理模块 主成分分析模块 故障诊断技术 粒子群算法 调整系统 多次测试 化工过程 人为因素 系统参数 重要参数 自动优化 鲁棒性 预报 仪表 改进 学习 引入 预测 | ||
【主权项】：
1.一种改进的群智能机器学习故障诊断系统，用于对田纳西伊斯曼过程进行故障诊断，其特征在于：包括数据预处理模块、主成分分析模块、加权最小二乘支持向量机模块和粒子群算法模块。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810458510.1/，转载请声明来源钻瓜专利网。
