基于权重估计的互信息特征选择算法与核系统故障诊断研究.pdf

基于权重估计的互信息特征选择算法与核系统故障诊断研究

摘要

得益于仿真系统采集的大量数据以及深度学习的日益发展，基于数据驱动的人工智

能故障诊断技术越来越受关注。而在工程实际问题中，人们更倾向于将故障敏感特征集

用于故障诊断，选取的敏感特征集在系统运维时，更有利于故障的定位与分析，而且在

突变故障工况发生时，更能即时的对系统进行维修和整理，因此本文在核动力系统故障

诊断前先进行故障关键特征的选择。

本文针对联合互信息（JMI）算法在核电站热工水利系统中关键特征集存在去除冗

余不彻底的问题，提出了基于条件互信息权重系数与最小化（FWCM）的特征选择算法。

由于现有算法并没有考虑已选特征对候选特征相关性影响的不同，因此，本文在动态选

w

择特征的过程中，推导出权重估计公式，作为不同已选特征对新分类信息的重要程度

的度量，同时，结合核动力数据与少数特征冗余度高的特点，用最小剩余分类信息来代

替平均剩余分类信息，来降低之前过高衡量剩余相关性的问题，并在UCI的8个数据集

上，验证了所提算法的可行性和有效性。

本文为了评估核动力系统实验中选出的不同特征集得到的不同分类精度的效果，提

出了评价指标（EI）作为关键特征选取的依据，以便能更准确客观的进行关键特征集的

选取。利用FWCM算法与JMI算法选出的不同子集在1D-CNN-LSTM，2D-CNN模型

进行故障诊断，并用提出的EI指标来选取关键特征集，最后基于诊断效果对算法进行

可行性分析。

关键词：互信息；特征选择；核动力系统；故障诊断；深度学习

基于权重估计的互信息特征选择算法与核系统故障诊断研究

ABSTRACT

Duetothelargeamountofdatacollectedbynuclearpowersimulationsystemandthe

increasingdevelopmentofdeeplearning,thedata-drivenartificialintelligencefaultdiagnosis

technologyisgettingmoreandmoreattention.Andintheengineeringpracticalproblems,

peopleprefertousethefaultsensitivefeaturesetforfaultdiagnosis,theselectedsensitive

featuresetismoreconducivetofaultlocationandanalysisinsystemoperationandmaintenance,

anditismoreimmediatetorepairandsortoutthesystemwhenthesuddenchangeoffault

conditionsoccurs,sothispapercarriesouttheselectionoffaultcriticalfeaturesbeforefault

diagnosis.

Inthispaper,weproposeafeatureselectionalgorithmbasedonconditionalmutual

informationweightcoefficientswithminimization(FWCM)fortheproblemofincomplete

removalofredundancyinkeyfeaturesetsinthejointmutualinformation(JMI)algorithmfor

thermalhydraulicsystemsofnuclearpowerplan