收藏本站
《电子科技大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于模糊C均值及粒子群参数优化的支持向量机故障诊断方法研究

李娜  
【摘要】:支持向量机是一种在统计学习理论基础上发展起来的新型的机器学习方法。在解决小样本问题、高维问题和局部极值的问题时表现出了十分优良的特性,另外,支持向量机还具有十分简单的结构,这两点决定了支持向量机在人工智能领域的特殊性,且适于应用在故障诊断领域。 由于支持向量机的训练样本具有冗余性,有些训练样本距离分类面很远,并且还不会对分类结果产生很大的影响,这些样本是可以剔除的。另外,支持向量机的参数选择对分类结果也会有影响,因此本文以减少支持向量机训练时间,提高分类器准确率为出发点,对支持向量机训练样本的预处理和参数优化进行了研究和改进。 故障诊断问题是十分复杂的,故障诊断技术的发展是向着智能信息处理技术前进的。本文主要是研究基于模糊C均值的支持向量机训练样本预处理及粒子群参数优化的支持向量机的故障诊断方法,探索新的、更高效、精度更高的故障诊断分类方法。 本文首先为了对支持向量机的冗余训练样本进行预处理,研究了基于模糊C均值算法的支持向量机的实现,并通过数值试验来验证了模糊C均值算法对支持向量机训练样本的处理效果,结果表明,在分类准确率相差不大的情况下,使用模糊C均值算法对支持向量机的训练样本进行预处理的分类时间被大大缩短了。接着研究了基于粒子群算法的最小二乘支持向量机的参数优化问题,给出了算法的步骤并进行了数值验证,得出采用粒子群算法对参数进行优化可以提高分类准确率的结论。在分别验证了使用这两种方法对算法的改进作用之后,最后将两者结合,采用基于模糊C均值和粒子群参数优化的最小二乘支持向量机来对滚动轴承故障数据进行了分类测试,通过与传统向量机、使用上述两种方法改进的支持向量机的比较,本文所提出的算法在保证较高的分类准确率的情况下,可以有效地减少训练时间,提高分类效率。
【学位授予单位】:电子科技大学
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:TP18;TH165.3

手机知网App
【引证文献】
中国硕士学位论文全文数据库 前1条
1 刘芽;基于EEMD和支持向量机的刀具状态监测方法研究[D];西南交通大学;2012年
【参考文献】
中国期刊全文数据库 前10条
1 孙薇;张省;;基于半监督支持向量机的供电企业安全性评价[J];电气应用;2008年01期
2 王国胜,钟义信;支持向量机的若干新进展[J];电子学报;2001年10期
3 李蓉 ,叶世伟 ,史忠植;SVM-KNN分类器——一种提高SVM分类精度的新方法[J];电子学报;2002年05期
4 翟永杰,毛继珮,于丽敏,刘长良;分级聚类支持向量机在汽轮机故障诊断中的应用[J];华北电力大学学报;2003年06期
5 张燕;;混合型模糊聚类分析方法及其应用[J];河海大学学报(自然科学版);2006年03期
6 曾儒伟,许诚,曾亮;故障诊断方法发展动向[J];航空计算技术;2003年03期
7 王俊国,赵金,谢庆国,万淑芸;主成分分析法在机车柴油机故障诊断中的应用[J];华中科技大学学报;2001年07期
8 崔伟东,周志华,李星;支持向量机研究[J];计算机工程与应用;2001年01期
9 肖健华;吴今培;;样本数目不对称时的SVM模型[J];计算机科学;2003年02期
10 奉国和;朱思铭;;基于聚类的大样本支持向量机研究[J];计算机科学;2006年04期
中国博士学位论文全文数据库 前2条
1 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
2 刘志刚;支撑向量机在光谱遥感影像分类中的若干问题研究[D];武汉大学;2004年
中国硕士学位论文全文数据库 前3条
1 张楠;关于支持向量机中的参数优化的研究[D];西北大学;2008年
2 佟海侠;支持向量机及其在故障诊断中的应用研究[D];华北电力大学(河北);2009年
3 于芙蓉;基于支持向量机的烟气轮机故障诊断研究[D];北京化工大学;2009年
【共引文献】
中国期刊全文数据库 前10条
1 李玲玲;辛浩;;FCM算法及其有效性度量方法[J];安徽电子信息职业技术学院学报;2011年05期
2 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期
3 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
4 苏发慧;;模糊支持向量机在粮食安全预警中的应用[J];安徽建筑工业学院学报(自然科学版);2009年02期
5 张克仁;汪萍;朱广;;基于蓝牙通讯技术的远程监测和故障诊断系统[J];安徽建筑工业学院学报(自然科学版);2010年05期
6 区卫民;谭泗桥;袁哲明;柏连阳;熊洁仪;;SVR-KNN法用于除草剂QSAR研究[J];安徽农业科学;2008年35期
7 黄初龙;邓伟;卢晓宁;;区域农业水资源可持续利用模糊综合评价[J];安徽农业科学;2009年05期
8 郗伟东;石玉月;田巍;;基于风险模式提取的农户生猪饲养规制研究[J];安徽农业科学;2009年07期
9 韩勇鹏;;SVM方法及其在乳制品分类问题上的应用[J];安徽农业科学;2009年08期
10 程伟;张燕平;赵姝;;支持向量机在粮食产量预测中的应用[J];安徽农业科学;2009年08期
中国重要会议论文全文数据库 前10条
1 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
2 吴涛;陈黎伟;毛军军;张铃;;一种模糊构造性神经网络及其应用[A];第二十六届中国控制会议论文集[C];2007年
3 周绮凤;林成德;罗林开;彭洪;;一种基于黎曼度量的训练样本类不平衡SVM分类方法研究[A];第二十六届中国控制会议论文集[C];2007年
4 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年
5 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
6 姜明辉;袁绪川;;基于GA优化的个人信用评估SVM模型[A];第二十六届中国控制会议论文集[C];2007年
7 赵建玉;贾磊;陈月辉;张勇;;基于粒子群优化的信号交叉口交通流预测模型[A];第二十六届中国控制会议论文集[C];2007年
8 李军亮;肖新平;毛树华;;灰色双层线性规划的粒子群解法[A];第二十七届中国控制会议论文集[C];2008年
9 韩露;余正涛;邓锦辉;章程;毛存礼;郭剑毅;;领域知识关系对领域文本分类的影响[A];第二十七届中国控制会议论文集[C];2008年
10 谭琳;文成林;;一种基于多模式的故障检测方法[A];第二十七届中国控制会议论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 母丽华;煤矿安全预警系统的方法研究[D];哈尔滨工程大学;2010年
3 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年
4 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
5 李桃迎;交通领域中的聚类分析方法研究[D];大连海事大学;2010年
6 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
7 曲建华;基于群体智能的聚类分析[D];山东师范大学;2010年
8 彭富强;多尺度线调频基稀疏信号分解及其在齿轮箱故障诊断中的应用[D];湖南大学;2010年
9 陈非;基于过程信息融合的旋转机械信息(火用)故障诊断研究[D];华中科技大学;2010年
10 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年
中国硕士学位论文全文数据库 前10条
1 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年
2 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年
3 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
4 崔树新;可重构动态集成测量方法研究[D];河南理工大学;2010年
5 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
6 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年
7 刘涛;遥感图像分块分类技术的研究与应用[D];山东科技大学;2010年
8 刘维会;不平衡数据集上支持向量机算法研究[D];山东科技大学;2010年
9 旺扎拉;特种车辆变速箱齿轮传动失效分析[D];长春理工大学;2010年
10 安文娟;Fisher和支持向量综合分类器[D];辽宁师范大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 关山;王龙山;聂鹏;;基于EMD与LS-SVM的刀具磨损识别方法[J];北京航空航天大学学报;2011年02期
2 郑金兴;张铭钧;孟庆鑫;;多传感器数据融合技术在刀具状态监测中的应用[J];传感器与微系统;2007年04期
3 张杨;刘志刚;;EEMD在电能质量扰动检测中的应用[J];电力自动化设备;2011年12期
4 高清清;贾民平;;基于EEMD的奇异谱熵在旋转机械故障诊断中的应用[J];东南大学学报(自然科学版);2011年05期
5 雷萍;;基于PSO优化的小波神经网络在刀具磨损识别中的应用[J];工具技术;2007年06期
6 聂鹏;王东磊;王哲峰;徐涛;;刀具磨损声发射信号处理中小波基选取的研究[J];工具技术;2009年01期
7 汤为;王海丽;庄子杰;胡德金;;基于小波多分辨率分析和RBF神经网络的刀具磨损状态识别[J];工具技术;2009年02期
8 肖毅;王希;;基于温度信号的高速干铣削试验研究[J];航空制造技术;2009年05期
9 邵骏;吕孙云;钱晓燕;袁鹏;;基于总体经验模态分解的水文序列多尺度分析[J];华中科技大学学报(自然科学版);2011年11期
10 张锴锋;聂鹏;王东磊;林士龙;谌鑫;;小波分析在数控刀具磨损状态监测中的应用[J];测控技术;2009年12期
中国博士学位论文全文数据库 前2条
1 杨宇;基于EMD和支持向量机的旋转机械故障诊断方法研究[D];湖南大学;2005年
2 彭兵;基于改进支持向量机和特征信息融合的水电机组故障诊断[D];华中科技大学;2008年
中国硕士学位论文全文数据库 前7条
1 王胜涛;基于EEMD的冠脉狭窄舒张期心音分析算法研究[D];杭州电子科技大学;2011年
2 吴小季;基于SVM图像分类方法的研究[D];南京信息工程大学;2011年
3 刘晓娟;基于希尔伯特—黄变换和支持向量机的齿轮箱故障诊断研究[D];中北大学;2011年
4 曹伟青;B样条模糊神经网络在刀具故障诊断中的应用[D];西南交通大学;2005年
5 张晨罡;基于经验模态分解的滚动轴承故障诊断方法研究[D];郑州大学;2007年
6 张佳芳;基于EEMD的车内语音增强研究[D];浙江大学;2007年
7 张进林;抑制经验模态分解端点效应的常用方法性能比较研究[D];云南大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 李侃,高春晓,刘玉树;基于SVM的空间数据库的层次聚类分析[J];北京理工大学学报;2002年04期
2 柳回春,马树元,吴平东,杨峰,曾兴生,毕路拯;UK心理测试自动分析系统的手写体数字识别[J];北京理工大学学报;2002年05期
3 骆剑承,王钦敏,马江洪,周成虎,梁怡;遥感图像最大似然分类方法的EM改进算法[J];测绘学报;2002年03期
4 胡哲;郑诚;闵鹏鹏;;支持向量机及其应用研究[J];重庆科技学院学报(自然科学版);2008年02期
5 张雨,温熙森;设备故障信息融合问题的思考[J];长沙交通学院学报;1999年02期
6 王学合,黄震;发动机故障集成诊断系统研究[J];车用发动机;2000年04期
7 黄强;高世伦;刘永长;宾鸿赞;;基于小波理论变换和神经网络的柴油机故障诊断方法的研究[J];柴油机设计与制造;2006年01期
8 蔡雨亮;崔勇;常汉宝;;奇异值分解与小波分析在柴油机振动信号降噪中的应用[J];柴油机;2006年04期
9 杨苹;陈武;;基于自组织模糊神经网络的汽轮发电机组振动故障诊断系统[J];电力系统自动化;2006年14期
10 王渝红,黄雯莹,任震,杨桦;离散二进小波变换及其在电机故障分析中的应用[J];电力系统自动化;1995年12期
中国博士学位论文全文数据库 前5条
1 戈志华;基于非线性理论的汽轮机轴系振动故障研究[D];华北电力大学;2000年
2 马笑潇;智能故障诊断中的机器学习新理论及其应用研究[D];重庆大学;2002年
3 马良玉;结合仿真技术的电站热力系统故障智能诊断研究[D];华北电力大学(河北);2004年
4 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
5 欧健;汽轮发电机组振动故障集成诊断网络模型及方法研究[D];重庆大学;2004年
中国硕士学位论文全文数据库 前5条
1 谢芳芳;基于支持向量机的故障诊断方法[D];湖南大学;2006年
2 陈兴辉;基于小波与支持向量机的滚动轴承故障诊断[D];太原理工大学;2006年
3 朱颖辉;基于支持向量机的小样本故障诊断[D];武汉科技大学;2006年
4 曹兆龙;基于支持向量机的多分类算法研究[D];华东师范大学;2007年
5 耿永强;基于支持向量机的机车轴承故障诊断系统的研究[D];中南大学;2008年
【相似文献】
中国期刊全文数据库 前10条
1 张培林;钱林方;曹建军;任国全;;基于蚁群算法的支持向量机参数优化[J];南京理工大学学报(自然科学版);2009年04期
2 刘东平;单甘霖;张岐龙;段修生;;基于蚁群支持向量机的模拟电路故障诊断[J];电光与控制;2011年06期
3 刘璐;刘爱伦;;基于改进的遗传算法优化支持向量机的精馏塔故障诊断[J];华东理工大学学报(自然科学版);2011年02期
4 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
5 李太白;;基于混沌粒子群的SVM参数优化算法[J];重庆文理学院学报(自然科学版);2011年04期
6 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
7 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
8 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
9 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
10 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
中国重要会议论文全文数据库 前10条
1 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
2 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
3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
7 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
8 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
9 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
10 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004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 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
3 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
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 小田;网卡故障诊断[N];中国电脑教育报;2000年
6 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
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 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
2 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
3 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
4 胡运红;支持向量机的若干算法研究[D];山东科技大学;2011年
5 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年
6 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
7 王开义;基于支持向量机的农产品生产关键控制点发现研究[D];北京工业大学;2011年
8 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
9 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
10 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
中国硕士学位论文全文数据库 前10条
1 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
2 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
3 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
4 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
5 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
6 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
7 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
8 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
9 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
10 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026