[发明专利]基于重采样的集成特征选择算法的生产线故障判断方法有效
| 申请号： | 201910412165.2 | 申请日： | 2019-05-17 |
| 公开（公告）号： | CN110297469B | 公开（公告）日： | 2022-02-18 |
| 发明（设计）人： | 乔非;朱雪初;孙晓彬 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G05B19/418 | 分类号： | G05B19/418 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 赵继明 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于重采样的集成特征选择算法的生产线故障判断方法，包括以下步骤：步骤1：基于重采样方法将不均衡数据集IDS构建新的样本子空间；步骤2：使用随机森林算法对各样本子空间进行特征选择，获取各子空间的特征子集；步骤3：将各子空间的特征子集合并成新的特征空间合集；步骤4：使用降噪自编码器对新的特征空间合集进行降维，得到预测模型的输入；步骤5：根据预测模型的输入采用随机森林算法建立故障预测模型并利用该故障预测模型对生产线进行实时故障监控判断。与现有技术相比，本发明具有准确度高，鲁棒性好等优点。 | ||
| 搜索关键词： | 基于 采样 集成 特征 选择 算法 生产线 故障 判断 方法 | ||
【主权项】：
1.一种基于重采样的集成特征选择算法的生产线故障判断方法，其特征在于，包括以下步骤：步骤1：基于重采样方法将不均衡数据集IDS构建新的样本子空间；步骤2：使用随机森林算法对各样本子空间进行特征选择，获取各子空间的特征子集；步骤3：将各子空间的特征子集合并成新的特征空间合集；步骤4：使用降噪自编码器对新的特征空间合集进行降维，得到预测模型的输入；步骤5：根据预测模型的输入采用随机森林算法建立故障预测模型并利用该故障预测模型对生产线进行实时故障监控判断。
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同济大学，未经同济大学许可，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/201910412165.2/，转载请声明来源钻瓜专利网。
