来源：期刊VIP网 时间：
作者：魏淑娟;齐咏生;刘利强;李永亭;高学金;
单位：内蒙古工业大学电力学院;大规模储能技术教育部工程研究中心;内蒙古自治区高等学校智慧能源技术与装备工程研究中心;中石化西南油气分公司采气二厂;北京工业大学信息学部;
摘要：针对复杂工业过程数据特征提取困难，且许多故障检测方法需要提前假设数据分布类型，故障检测泛化能力弱等问题，提出一种基于信息增益自适应特征选择（IGA）方法与增强Dempster-Shafer (D-S)证据理论的工业过程故障检测算法。首先，通过决策树计算得到信息增益，利用交叉验证设定k值，自适应选择特征个数，实现数据降维和特征提取；之后，引入三元统计量监测组实现线性故障检测，同时采用自编码器、One-class SVM方法进行非线性故障监测；最后，使用增强D-S证据理论，通过一种新的综合指标，对改进后的加权平均证据体进行融合，修正基本概率分配（BPA）参数获得融合结果，得到更为可靠的检测结果。通过冷水机组数据和田纳西-伊斯曼（Tennessee-Eastman,TE）过程数据进行验证，结果表明，IGA与增强D-S证据理论方法比单独的线性或非线性检测算法的准确率更高，鲁棒性更强，且使用场景不依赖于特定数据分布假设，适用范围灵活，可以有效应用于工业过程故障检测。
关键词：信息增益;;特征提取;;证据理论;;故障检测;;工业过程
基金资助：国家自然科学基金(62363029,62241309);; 内蒙古科技计划(2020GG0283,2021GG0164);; 内蒙古自然科学基金(2022MS06018,2021MS06018)
