10.3969/j.issn.1000-3932.2019.10.010
基于多标签随机森林的固体氧化物燃料电池系统并发故障识别
为了快速准确地识别SOFC系统的并发故障,将多标签技术和机器学习算法相结合,实现了复杂非线性系统中并发故障数据稀少情况下的故障快速识别.研究了多标签随机森林故障识别方法,通过集成多个随机森林,系统地提升了并发故障的识别率.针对并发故障识别的多维标签输出的特殊性,采用F1-Measure准则来评价多维标签识别精度,从而实现对并发故障的识别精度评价.实验结果表明:多标签并发故障识别框架能够在并发故障训练数据稀少的情况下,高效地识别故障样本.
固体氧化物燃料电池、并发故障识别、多标签、随机森林、F1-Measure
46
TP277(自动化技术及设备)
国家自然科学基金项目51777122
2019-11-19（万方平台首次上网日期，不代表论文的发表时间）
共6页
828-833
