《信息与电子工程前沿(英文)》
>> 2022年
第23卷
第12期
doi:
10.1631/FITEE.2200053
集成增强主动学习混合判别分析模型及其在半监督故障分类中的应用
1中国计量大学浙江省智能制造质量大数据溯源与应用重点实验室,中国杭州市,310018;2浙江同济科技职业学院机电工程学院,中国杭州市,311231;3苏州市计量测试院,中国苏州市,215004
收稿日期:
2022-02-13
录用日期:
2022-12-14
发布日期:
2022-12-14
下一篇
上一篇
摘要
故障分类作为过程监控中不可缺少的部分,其性能高度依赖于过程知识的充分性。然而,由于采样条件有限及实验室分析昂贵,数据标签总是难以获取,这可能导致分类性能下降。为了解决这个难题,本文提出一种新的半监督故障分类方法,其中每个未标记样本相对于特定标记数据集的价值采用增强的主动学习来评估。具有高价值的未标记样本将作为训练数据集的补充信息。此外,引入了几个合理的指标和准则大大降低了人工标注的干扰。最后,通过数值例子和田纳西伊士曼过程(TEP)评估了该方法的故障分类有效性。