收藏本站
《华北电力大学(河北)》 2004年
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机的故障智能诊断方法研究

翟永杰  
【摘要】:统计学习理论是建立在坚实的理论基础之上的,为解决小样本学习问题提供了统一的框架。支持向量机是一种基于统计学习理论的机器学习方法,它很好地执行了统计学习理论的结构风险最小化原则。 支持向量机针对小样本情况所表现出来的优良性能引起了众多故障诊断领域研究人员的注意,因为故障诊断本身就是一种小样本情况在实际问题中的体现。支持向量机应用于故障诊断最大的优势在于它适合于小样本决策,其学习方法的本质在于能够在有限特征信息情况下,最大限度地发掘数据中隐含的分类知识。从推广性的角度来看,更适用于故障诊断这种实际的工程问题。 虽然支持向量机在理论上有很突出的优势,但其应用研究相对比较滞后。基于此,论文围绕支持向量机在故障智能诊断应用中的问题,从样本数据预处理、不确定信息的模糊化方式、多类支持向量机的实现以及基于模型的诊断方法等几个方面进行了研究。 1、对于高维故障样本数据的特征提取进行了研究和应用。 首先分析了特征维数与分类效果之间的关系,说明了在很多情况下特征维数的增加反而会降低分类效果,其原因在于存在伪特征干扰,主要研究了用于压缩特征维数的“去伪存真”的纵向压缩法,即特征提取。详细介绍了其中的典型算法——主成分分析方法。针对汽轮机故障诊断问题,对多组原始的9维频率数据样本进行了特征提取,从二维主成分映照可以看出提取后的特征数据更具可分性,说明了在实际故障诊断问题中进行数据预处理有利于分类算法的实现,为汽轮机故障诊断问题提供了一种有效可行的数据预处理方式。 2、提出了基于损失函数的模糊判决支持向量机算法,并与模糊样本支持向量机算法进行了比较。 针对故障诊断中的不确定信息,提出了基于损失函数的模糊判决支持向量机算法(FJ-SVM),定义了基于损失的模糊隶属度,推导了修正后的最优分类面,依据最大隶属原则进行判决。模糊支持向量机考虑了实际中不同误判情况造成的损失差异问题,同时对于生产过程中设备的轻微故障和早期故障诊断有较好的灵敏度。实际中故障样本的选取往往是典型的特征突出的样本,因此采用典型样本训练构成支持向量机的算法更切合实际,而FJ-SVM正是基于这个原则的。 本文还介绍了模糊样本支持向量机(FS-SVM),从样本的模糊度直接进行算法推导。分别使用两种算法进行了仿真实验,并对结果进行了比较,分析了两种算法使用中的不同侧重点。 3、探讨与分析了多类支持向量机的构成,对两种典型的多类算法进行了应用研究。 WP=4 分析了两类问题转换为多类问题的方法,结合决策树思想,具体研究了两种多类算法:其一是建立在DDAG架构上的DAGSVM算法,对其中存在的核函数参数选取问题进行了探讨;其二是基于分级聚类和决策树思想构建的多类SVM算法,介绍了算法的思想和具体实现,在小样本情况下对两种算法进行了应用。 4、提出了基于回归型支持向量机的传感器故障诊断方法。 分析了支持向量机在回归学习中的应用形式 — 回归型支持向量机(SVR),推导了回归型支持向量机的算法,并以此为基础对动态系统进行了辨识研究,为基于模型的故障诊断问题提供建模基础。文中针对传感器故障诊断系统,提出了基于回归型支持向量机的传感器故障诊断方法,设计了基于SVR的残差生成器,使用SVR进行仿真实验,取得了良好的效果。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘丽珍;贺海军;陆玉昌;宋瀚涛;;支持向量机在网页信息分类中的应用研究[J];小型微型计算机系统;2007年02期
2 薛欣;贺国平;;基于SVM决策树判别测试点类别的新方法[J];计算机应用;2007年01期
3 连可;黄建国;王厚军;龙兵;;一种基于遗传算法的SVM决策树多分类策略研究[J];电子学报;2008年08期
4 李杨;赵春江;杨信廷;;组合SVM和决策树精确建立CCP点[J];微计算机信息;2010年09期
5 王孟杰;孟子厚;;基于参数距离的汉语普通话韵母决策树[J];电声技术;2010年03期
6 王一;杨俊安;刘辉;;一种基于遗传算法的SVM决策树多分类方法[J];信号处理;2010年10期
7 江志钢;张春良;岳夏;;基于支持向量机的机床故障诊断研究[J];装备制造技术;2009年12期
8 陈敏雅;石蕾;;基于SVM多分类决策树的研究综述[J];电脑知识与技术;2008年08期
9 何凡;刘光斌;;核函数在液压泵故障诊断中的应用研究[J];煤矿机械;2009年01期
10 韩俊英;刘成忠;;基于粗集的支持向量机在故障诊断中的应用[J];甘肃农业大学学报;2008年03期
11 林吉良;蒋静坪;;基于支持向量机的移动机器人故障诊断[J];电工技术学报;2008年11期
12 李志农;韩捷;潘玉娜;李凌均;;机械故障矢功率谱—支持向量机识别方法研究[J];计算机工程与应用;2007年08期
13 田景文;吴浩;高美娟;;基于支持向量机的火车滚轴故障诊断[J];机床与液压;2007年07期
14 田路;田干;张炜;李亮;;基于支持向量机的涡轮泵故障诊断方法研究[J];控制工程;2007年S2期
15 薛欣;贺国平;;基于隶属度分离测度SVM决策树层次结构设计方法[J];计算机应用研究;2007年09期
16 吴洪兴;彭宇;彭喜元;;基于支持向量机多分类方法的模拟电路故障诊断研究[J];电子测量与仪器学报;2007年04期
17 黄亮;侯建军;刘颖;宋伟;李赵红;;基于相量分析与支持向量机的交流电路故障诊断[J];北京交通大学学报;2008年05期
18 郭丽娟;孙世宇;段修生;;基于支持向量机的数字电路故障诊断研究[J];微计算机信息;2008年31期
19 黄亮;侯建军;魏学业;宋伟;李赵红;;基于重分类与支持向量机的交流电路故障诊断[J];信号处理;2009年09期
20 许洁;胡寿松;;基于KPCA和MKL-SVM的非线性过程监控与故障诊断[J];仪器仪表学报;2010年11期
中国重要会议论文全文数据库 前10条
1 张军峰;胡寿松;;基于多重核学习支持向量机的歼击机故障诊断[A];第七届全国信息隐藏暨多媒体信息安全学术大会论文集[C];2007年
2 冯辅周;郭恒毅;江鹏程;;支持向量机及其在电机故障诊断中的应用[A];第九届全国振动理论及应用学术会议论文集[C];2007年
3 袁昊程;钟秋海;戴亚平;;基于支持向量机的旋转机械故障诊断[A];2003中国控制与决策学术年会论文集[C];2003年
4 史丽萍;杨晓冬;匡杰;;基于支持向量机的水泵故障诊断[A];中国计量协会冶金分会2007年会论文集[C];2007年
5 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
6 程砚秋;杨德权;;基于决策树和支持向量机的金融预测方法[A];中国企业运筹学学术交流大会论文集[C];2007年
7 冯辅周;郭恒毅;江鹏程;;支持向量机及其在电机故障诊断中的应用[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
8 初燕;付忠广;戈志华;靳涛;卞双;;基于支持向量机的故障诊断方法探讨[A];中国动力工程学会第三届青年学术年会论文集[C];2005年
9 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
10 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
中国重要报纸全文数据库 前10条
1 黄安华;液压制动系统的故障诊断[N];中国汽车报;2002年
2 李萍;济钢EAM离线网络点检和故障诊断管理系统开发应用[N];世界金属导报;2007年
3 胡荣山 马巍;上海海大一课题列入国家“863”计划[N];中国船舶报;2007年
4 孙建阳 刘波;小型渔船柴油机故障诊断与排除[N];中国渔业报;2008年
5 见习记者 仝亚娜;孙彦广:冶金故障诊断设备前景广阔[N];机电商报;2005年
6 小田;网卡故障诊断[N];中国电脑教育报;2000年
7 陈全东;干式复合“粘边”故障诊断[N];中国包装报;2003年
8 龚献荣;大型天然气装置实现网络化监测[N];中国化工报;2005年
9 周传勇 杜慧;济钢网络化设备点检与故障诊断管理系统上线运行[N];世界金属导报;2008年
10 汤怀京;WLAN也有“线”[N];中国计算机报;2004年
中国博士学位论文全文数据库 前10条
1 赵冲冲;基于支持向量机的旋转机械故障诊断[D];西北工业大学;2003年
2 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
3 佟伟民;股指期货交易中操纵行为识别方法研究[D];哈尔滨工业大学;2008年
4 王冬丽;基于可扩展的支持向量机分类算法及在信用评级中的应用[D];东华大学;2011年
5 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年
6 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
7 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
8 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
9 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
10 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
中国硕士学位论文全文数据库 前10条
1 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
2 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
3 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
4 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
5 曾嵘;支持向量机在设备故障诊断中的应用研究[D];中南大学;2005年
6 陈逸波;支持向量机在高炉炉温预报中的应用及若干改进[D];浙江大学;2010年
7 杨琦;支持向量机在液压系统故障诊断中的应用研究[D];大连海事大学;2005年
8 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
9 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年
10 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978