技术特征：
技术总结
本发明涉及一种基于田纳西伊斯曼过程的先验知识故障诊断方法，步骤为：采集田纳西伊斯曼过程的离线历史数据；选择调节参数矩阵U∈Rn×n和KNN算法中的k；在已有的加权无向图上构建邻接矩阵W，在此基础上算出矩阵D，定义拉普拉斯矩阵L＝D‑W，根据拉普拉斯正则化算法，计算拉普拉斯正则项根据局部正则化算法，计算局部正则项(I‑A)T(I‑A)，；根据计算标签矩阵；根据来标记未标记样本，归一化后得到工业过程的故障分类信息。本发明充分挖掘和利用标记样本和未标记样本特征信息建立故障诊断模型，用田纳西伊斯曼过程数据进行验证，其中在最后分类阶段，对分类器进行了改进，提高了分类的精度，同时对样本的错分率及样本分离度等验证标准都有所改进。
技术研发人员：张颖伟;严启保;刘俊梁
受保护的技术使用者：东北大学
技术研发日：2017.04.25
技术公布日：2017.09.05