基于多標簽隨機森林的固體氧化物燃料電池系統并發故障識別

摘要：為了快速準確地識別SOFC系統的并發故障,將多標簽技術和機器學習算法相結合,實現了復雜非線性系統中并發故障數據稀少情況下的故障快速識別。研究了多標簽隨機森林故障識別方法,通過集成多個隨機森林,系統地提升了并發故障的識別率。針對并發故障識別的多維標簽輸出的特殊性,采用F1-Measure準則來評價多維標簽識別精度,從而實現對并發故障的識別精度評價。實驗結果表明:多標簽并發故障識別框架能夠在并發故障訓練數據稀少的情況下,高效地識別故障樣本。