基于OCSVM和DDCSA的除尘设备故障检测方法

来源：计算机技术与发展杂志2025年第08期北京时间：

作者：田野;陈辉;魏盈峰;赵凯;祝杰;夏源;王贵园;何其祎;周雯;王晗;徐澳

单位：1. 湖北中烟工业有限责任公司,湖北 武汉 430040;2. 湖北工业大学,湖北 武汉 430068

摘要：除尘设备故障检测一直是一种常见的异常检测场景。然而,现有方法普遍存在数据样本不平衡、检测准确率低以及可视化效果不足等问题。为此,该文提出一种基于一类支持向量机(One-Class Support Vector Machine,OCSVM)和多样性检测克隆选择算法(Diversity Detection Clone Selection Algorithm,DDCSA)的除尘设备故障检测方法。首先,采用三次样条插值法对数据进行缺失值补全,以确保数据的完整性。然后,针对数据样本不平衡问题,引入一类支持向量机进行异常检测。同时,针对OCSVM超参数选择困难的问题,提出一种多样性检测克隆选择算法对OCSVM的超参数进行调优。具体来说,针对传统克隆选择算法(Clone Selection Algorithm,CSA)克隆个体重复过多导致多样性不足的问题,提出对所有克隆个体均进行小幅变异并引入多样性检测机制,从而有效提升其在超参数选择上的能力,提高模型的检测准确度。最后,利用数字孪生技术将除尘设备和运行数据及其检测结果进行可视化展示,增强了直观性和可解释性。实验结果表明,该方法可以有效监测除尘设备的异常情况,与传统方法相比具有更高的监测准确度,且使用户能直观掌握环境状况,便于及时调控。

关键词：三次样条插值法;数字孪生;多样性检测克隆选择算法;一类支持向量机;异常检测