收藏本站
《西安科技大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

基于核算法的故障智能诊断理论及方法研究

杜京义  
【摘要】: 设备故障诊断与监测技术是一门正在不断发展和完善的新技术,它具有保障安全生产,防止突发事故,节约维修费用等特点,在现代化大生产中发挥着重要的作用。然而正是因为生产设备结构日趋复杂及内部关系日益密切,造成了设备运行状态监测和故障诊断的难度不断增大,迫使人们需要不断探索新的理论或方法来解决实际中所遇到的问题。自20世纪60年代以来,以Vapnik为代表的研究人员致力于统计学习理论的研究,并在此基础上创建出一类新的机器学习算法:支持向量机(Support Vector Machine,SVM)。正是核函数在SVM的成功应用,基于核函数的学习方法(简称核算法)的研究受到重视。将核算法应用到故障诊断中有望解决其中的非线性、不精确性和不确定性等问题,为该领域的研究提供了全新且可行的研究途径。基于核算法的故障智能诊断技术,在国际上都属于一个全新的研究领域,这一方法在实际应用中还有许多问题值得进行深入的研究和探讨。 本论文围绕核算法在故障智能诊断中的应用,对故障诊断中不确定信息的处理、故障诊断实时性的实现、核函数的选择和参数优化、多类故障诊断、早期故障的发现以及样本数据的压缩等几个方面进行了较为系统深入的研究,为核算法应用于故障诊断提供了理论依据,促进了故障诊断技术的发展。论文的主要工作及创新之处为: 针对故障诊断中两类误判造成损失不等的情况,提出一种基于几何距离的后验概率计算方法;在定义基于风险的诊断可信度的基础上,将SVM与贝叶斯决策理论相结合,提出一种基于最小风险的SVM方法;并且将该方法应用于电液伺服阀故障诊断实例,证实了该方法的可行性。 针对单值SVM只训练单类别样本的特点,证明了径向基核函数的参数s→0和s→∞时两个定理;探索了两种支持向量(边界支持向量或非边界支持向量)与目标识别率的关系,提出一种改进的“留一法”模型参数选择方法,该方法在确保分类器泛化性能的前提下,大大减少模型参数选择的时间,可针对性地确定目标识别率或非目标识别率。面对时变系统的故障诊断,提出了一种基于滚动时间窗的单值SVM学习算法,为将单值SVM实用化作出了努力。提出了将单值SVM推广到多故障诊断的两种方法,并将之应用到基准数据库和液压泵多故障识别中,不仅解决了目前存在的SVM多值分类方法存在的不属于任何一类以及同时属于多类的情况,同时提高了算法的训练与决策速度。 针对支持向量回归机(Support Vector Regression,SVR)模型参数选择难的问题,探究了SVR各参数对其性能的影响,提出了一种基于遗传算法的SVR参数自动优化的方法;并且通过建立SVR预测模型,用于实现早期故障诊断以及强混沌背景下微弱信号的检测。仿真验证,该方法比径向基神经网络更具有稳健性和泛化性。 最后,详细讨论了核矩阵维度缩减问题,给出了残差估计的界定理;在综合考虑选取列的独立性和残差范数大小两者关系的基础上,提出了解决核矩阵维度缩减的启发性算法-贪心算法。并在此基础上,在再生核Hilbert空间又提出一种稀疏性回归算法。
【学位授予单位】:西安科技大学
【学位级别】:博士
【学位授予年份】:2007
【分类号】:TH165.3

【引证文献】
中国期刊全文数据库 前1条
1 朱学冬;胡平;;基于最优二叉树的多故障分类器的设计[J];北京联合大学学报(自然科学版);2009年02期
中国博士学位论文全文数据库 前2条
1 吴琼;面向真实性检测的数字图像盲取证方法研究[D];国防科学技术大学;2008年
2 赵珍;水压试验机缓变故障检测、预测及维护方法研究[D];东北大学;2010年
中国硕士学位论文全文数据库 前2条
1 张恒;全矢谱—支持向量数据描述及故障诊断应用研究[D];郑州大学;2011年
2 高凯;基于支持向量机的煤自燃预测方法研究[D];西安科技大学;2012年
【参考文献】
中国期刊全文数据库 前10条
1 田盛丰;基于核函数的学习算法[J];北方交通大学学报;2003年02期
2 李凯,黄厚宽;支持向量机增量学习算法研究[J];北方交通大学学报;2003年05期
3 董选明,裘丽华,王占林;基于 BP 算法的液压泵在线状态监测及故障诊断[J];北京航空航天大学学报;1997年03期
4 闭乐鹏;徐伟;宋瀚涛;;基于一类SVM的贝叶斯分类算法[J];北京理工大学学报;2006年02期
5 吴希军;胡春海;;基于核主元分析与神经网络的传感器故障诊断新方法[J];传感技术学报;2006年01期
6 王新峰,邱静,刘冠军;基于有监督核函数主元分析的故障状态识别[J];测试技术学报;2005年02期
7 白雷石,杨华;用模糊模式识别法诊断柴油机燃油系统故障[J];柴油机;2002年05期
8 朱志宇,姜长生,张冰;基于支持向量回归的混沌序列预测方法[J];电工技术学报;2005年06期
9 吕干云,程浩忠,董立新,翟海保;基于多级支持向量机分类器的电力变压器故障识别[J];电力系统及其自动化学报;2005年01期
10 焦李成,张莉,周伟达;支撑矢量预选取的中心距离比值法[J];电子学报;2001年03期
中国博士学位论文全文数据库 前1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
中国硕士学位论文全文数据库 前1条
1 叶环球;限秩最大子集问题[D];浙江大学;2001年
【共引文献】
中国期刊全文数据库 前10条
1 邓勤;若干个不同部件并联可修系统可用度的研究[J];阿坝师范高等专科学校学报;2005年03期
2 刘兴远,方顺兴,姚忠国;建筑结构试验数据处理的几种方法[J];四川建筑科学研究;1993年02期
3 冀卫兴;陈忠海;方筝;;基于DE—BP算法的空调负荷预测研究[J];四川建筑科学研究;2010年05期
4 郭天永;车玉满;孙鹏;李连成;孙波;;基于偏最小二乘回归的高炉焦比影响因素分析[J];鞍钢技术;2009年05期
5 张燕平;提取特征规则的重复覆盖算法(RCA)[J];安徽大学学报(自然科学版);2002年02期
6 高湘萍;吴小培;沈谦;;基于脑电的意识活动特征提取与识别[J];安徽大学学报(自然科学版);2006年02期
7 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
8 汪东军,汪夏燕;神经元网络在精馏塔控制中的应用[J];安徽化工;2000年04期
9 杨绪兵,韩自存;ε不敏感的核Adaline算法及其在图像去噪中的应用[J];安徽工程科技学院学报(自然科学版);2003年04期
10 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
中国重要会议论文全文数据库 前10条
1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
2 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
3 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
4 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
5 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
6 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
7 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
8 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
9 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
10 张端金;张爱玲;;基于观测器的Delta算子系统故障检测[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 王杰;基于人工智能的乒乓球比赛技战术诊断与评估研究[D];上海体育学院;2010年
2 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
3 吴冬梅;基于达芬振子的微弱信号检测方法研究[D];哈尔滨工程大学;2010年
4 夏全喜;车载组合导航系统关键技术研究[D];哈尔滨工程大学;2010年
5 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
6 李高云;大型船舶航向/航迹智能容错控制研究[D];哈尔滨工程大学;2010年
7 王小旭;非线性SPKF滤波算法研究及其在组合导航中的应用[D];哈尔滨工程大学;2010年
8 陈雪松;音频数字水印算法研究[D];哈尔滨工程大学;2010年
9 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年
10 冷欣;船用增压锅炉汽包水位预测控制方法研究[D];哈尔滨工程大学;2009年
中国硕士学位论文全文数据库 前10条
1 李硕;基于Vis/NIR光谱不同粒径下土壤碳氮的预测研究[D];华中农业大学;2010年
2 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
3 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
4 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
5 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
6 汪步云;水下作业机械手抓取力伺服控制的研究[D];安徽工程大学;2010年
7 高昌鑫;Hilbert-Huang变换改进算法及其在齿轮箱故障诊断中的应用研究[D];河南理工大学;2010年
8 刘棉;人机划拳系统的实现[D];山东科技大学;2010年
9 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
10 蒲锰;非侵入式矿井提升机PLC电控系统实时故障诊断方法的研究[D];山东科技大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 王福生;岳志新;郭立稳;;煤炭自然发火标志气体的灰色关联分析[J];安全与环境学报;2006年S1期
2 王健,张琦,况冰,郑伟,刘芳;基于BP网络的装备预知维修[J];兵工自动化;2004年03期
3 段志生,黄琳;统计可学习理论的几个问题(英文)[J];北京大学学报(自然科学版);2000年03期
4 刘红梅;王少萍;欧阳平超;;基于小波包和Elman神经网络的液压泵故障诊断[J];北京航空航天大学学报;2007年01期
5 董选明,裘丽华,王占林;故障诊断神经网络系统的专家知识表达方法[J];北京航空航天大学学报;1996年01期
6 张建华,王占林;基于模糊神经网络的故障诊断方法的研究[J];北京航空航天大学学报;1997年04期
7 潘明清;周晓军;吴瑞明;雷良育;;基于主元分析的支持向量数据描述机械故障诊断[J];传感技术学报;2006年01期
8 胡学发;赵珍;王福利;何大阔;;基于灰度聚类的钢管水压试验机故障诊断[J];东北大学学报(自然科学版);2007年11期
9 赵静一,陈卓如,王益群,上官倩芡;水压机液压系统主缸无力的FTA分析[J];燕山大学学报;1999年01期
10 朱泓,马孝江,张冰焰;滚动轴承故障诊断与预知维修数据库系统研制[J];大连理工大学学报;2000年04期
中国博士学位论文全文数据库 前10条
1 高英杰;轧机AGC液压系统故障诊断技术的研究[D];燕山大学;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 冯志鹏;计算智能在机械设备故障诊断中的应用研究[D];大连理工大学;2003年
4 文虎;煤自燃过程的实验及数值模拟研究[D];西安科技大学;2003年
5 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
6 袁渊;小波域盲水印检测算法研究[D];国防科学技术大学;2003年
7 焦卫东;基于独立分量分析的旋转机械故障诊断方法研究[D];浙江大学;2003年
8 夏乐天;马尔可夫链预测方法及其在水文序列中的应用研究[D];河海大学;2005年
9 池红卫;复杂过程工业系统故障诊断与预测方法的研究[D];天津大学;2004年
10 曾良才;板带轧机液压AGC综合测试系统及故障诊断研究[D];武汉理工大学;2005年
中国硕士学位论文全文数据库 前10条
1 包云霞;贝叶斯动态模型的随机模拟研究[D];山东科技大学;2005年
2 王丽雅;基于信息融合的旋转机械全信息时频分析方法研究[D];郑州大学;2005年
3 周辉;齿轮故障的特征提取与模式识别技术研究[D];郑州大学;2005年
4 张明辉;大型履带起重机回转液压系统仿真研究[D];大连理工大学;2006年
5 郭伟;炮弹内腔压力检测系统的研制[D];合肥工业大学;2007年
6 李自国;基于支持向量数据描述的故障诊断方法研究[D];郑州大学;2007年
7 雷金波;基于逻辑回归和支持向量机的设备状态退化评估与趋势预测研究[D];上海交通大学;2008年
8 郝元宏;基于核的人脸识别算法研究[D];兰州理工大学;2009年
9 刘雨;基于支持向量数据描述与信息融合的设备性能退化评估研究[D];上海交通大学;2009年
10 雷烨;基于粒子群最小二乘支持向量机的故障诊断算法研究[D];兰州交通大学;2010年
【二级引证文献】
中国期刊全文数据库 前8条
1 余嘉傲;吕建新;;基于经验模态分解近似熵和支持向量机的农用柴油机故障诊断[J];安徽农业科学;2011年16期
2 张丽丽;刘昌余;;基于盲取证的医学图像检索及语义表达研究综述[J];电脑知识与技术;2012年22期
3 吴虎胜;吕建新;战仁军;吴庐山;;基于EMD和AR奇异值的柴油机故障诊断[J];机械设计与制造;2011年04期
4 陈良庚;王安涛;;浅议识别伪造数码照片的方法[J];科技信息;2010年28期
5 卢启萌;施少培;;Exif信息在数码照片真实性鉴定中的应用[J];中国司法鉴定;2012年05期
6 吴虎胜;吕建新;吴庐山;王茂生;;基于EMD和SVM的柴油机气阀机构故障诊断[J];中国机械工程;2010年22期
7 董美丽;张华;周亚南;;基于高斯金字塔分解和圆谐傅里叶矩的图像复制移动检测算法[J];郑州轻工业学院学报(自然科学版);2012年03期
8 张震;苏白娜;喻宙;;一种新的图像拷贝篡改检测方法[J];郑州大学学报(工学版);2012年06期
中国博士学位论文全文数据库 前3条
1 陈海鹏;数字图像真伪鉴别技术研究[D];吉林大学;2011年
2 卜江;以足球视频为媒介的心理战及其信息生成技术研究[D];国防科学技术大学;2011年
3 赵俊红;图像内容被动取证技术的研究[D];华南理工大学;2011年
中国硕士学位论文全文数据库 前8条
1 郑亮;面向图像式网络舆论攻击的举证反制技术研究[D];国防科学技术大学;2010年
2 韩瑜;基于边缘特征的蓝屏抠像视频检测[D];天津大学;2012年
3 蔡琼;数字图像复制粘贴及拼接的盲取证方法研究[D];长沙理工大学;2011年
4 陈孟原;基于统计特征的数字图像重采样检测方法研究[D];长沙理工大学;2011年
5 鄂文;基于高光去除的打印图像相机来源取证技术[D];大连理工大学;2011年
6 吕颖达;数字图像合成篡改盲鉴别算法的研究[D];吉林大学;2010年
7 贺佩;数字图像区域复制粘贴篡改检测研究[D];长沙理工大学;2012年
8 张卓阳;针对JPEG图像篡改的盲取证技术研究[D];长沙理工大学;2012年
【二级参考文献】
中国期刊全文数据库 前10条
1 王由华,刘振娟,李宏光;混合型集成神经网络故障诊断方法研究[J];北京化工大学学报(自然科学版);2003年01期
2 颜湘莲,文远芳;模糊神经网络在变压器故障诊断中的应用研究[J];变压器;2002年07期
3 夏文汇,曾红;物流自动化系统故障诊断的贝叶斯决策判据[J];重庆工学院学报;2004年03期
4 孙才新,郭俊峰,郑海平,曹毅,康鹏;基于行为的变压器油色谱分析模糊诊断专家系统研究[J];电工技术学报;2001年03期
5 董春曦,杨绍全,饶鲜,汤建龙;支持向量机推广能力估计方法比较[J];电路与系统学报;2004年04期
6 翟永杰,王东风,韩璞;基于多类支持向量机的汽轮发电机组故障诊断[J];动力工程;2003年05期
7 蒋传文,袁智强,侯志俭,张勇传;高嵌入维混沌负荷序列预测方法研究[J];电网技术;2004年03期
8 周伟达,张莉,焦李成;支撑矢量机推广能力分析[J];电子学报;2001年05期
9 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
10 许建华,张学工,李衍达;基于核函数的非线性口袋算法[J];电子学报;2003年04期
中国博士学位论文全文数据库 前4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 孙宗海;支持向量机及其在控制中的应用研究[D];浙江大学;2003年
4 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
【相似文献】
中国期刊全文数据库 前10条
1 朱树先;张仁杰;;支持向量机核函数选择的研究[J];科学技术与工程;2008年16期
2 蒋刚,肖建,郑永康,宋昌林;基于支持向量机的一类水域叶绿素a浓度反演研究[J];计算机应用;2005年10期
3 陈增照;杨扬;董才林;何秀玲;;支持向量机动态学习方法及其在票据识别中的应用[J];北京科技大学学报;2006年02期
4 王凯;侯著荣;王聪丽;;基于交叉验证SVM的网络入侵检测[J];测试技术学报;2010年05期
5 金珠;马小平;;基于蚁群聚类算法的SVM半监督式训练方法[J];西华大学学报(自然科学版);2011年01期
6 王钰;周水生;刘红卫;;采用双目标优化的核参数选择方法[J];电光与控制;2007年06期
7 何德平;肖勇;肖兴国;黄永红;周庆人;;支持向量机在遥感影像处理中的应用[J];城市勘测;2006年03期
8 袁胜发;褚福磊;;支持向量机及其在机械故障诊断中的应用[J];振动与冲击;2007年11期
9 李丽双;黄德根;陈春荣;杨元生;;基于支持向量机的中文文本中地名识别[J];大连理工大学学报;2007年03期
10 王强;沈永平;陈英武;;支持向量机规则提取[J];国防科技大学学报;2006年02期
中国重要会议论文全文数据库 前10条
1 宋普云;沈雪勤;吴清;;一种改进的SMO算法[A];第六届全国计算机应用联合学术会议论文集[C];2002年
2 程国建;蔡磊;潘华贤;;核向量机在大规模机器学习中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年
3 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
4 章成志;;基于机器学习的文本聚类描述算法研究[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
5 晏庆华;;支持向量机算法综述[A];2008'中国信息技术与应用学术论坛论文集(二)[C];2008年
6 应自炉;张有为;李景文;;基于GDA和SVM的人脸表情识别[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
7 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
8 门洪;武玉杰;李小英;高艳春;;基于支持向量机的分类算法研究[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
9 刘耀年;王浩;何昌浩;何萍;;基于支持向量回归机的短期电力负荷预测[A];第十届全国电工数学学术年会论文集[C];2005年
10 高荣;刘晓华;;基于小波变换的支持向量机短期负荷预测[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
中国重要报纸全文数据库 前10条
1 黎骊/文 [美] Tom M.Mitchell 著;机器学习与智能化社会[N];中国邮政报;2003年
2 本报记者 余建斌;机器学习与互联网搜索[N];人民日报;2011年
3 记者 何边;网络化激活人工智能[N];计算机世界;2001年
4 本报记者 张晔通讯员 李玮;周志华:永不墨守成规[N];科技日报;2008年
5 何清 史忠植 王伟;搜索引擎的前沿技术[N];计算机世界;2006年
6 傅秋瑛;默默耕耘数十载 自主创新结硕果[N];科技日报;2006年
7 潘岳;谈谈绿色GDP[N];中国经济时报;2004年
8 王育昕吴红梅;高水平原创性科技成果大量涌现[N];新华日报;2008年
9 冯卫东;科技将这样改变我们的生活[N];科技日报;2008年
10 杰逊;微软的第一个搜索技术掌门[N];中国计算机报;2006年
中国博士学位论文全文数据库 前10条
1 杜京义;基于核算法的故障智能诊断理论及方法研究[D];西安科技大学;2007年
2 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
3 王国胜;支持向量机的理论与算法研究[D];北京邮电大学;2008年
4 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
5 武国正;支持向量机在湖泊富营养化评价及水质预测中的应用研究[D];内蒙古农业大学;2008年
6 张超;基于支持向量机的汽轮机轴系振动故障智能诊断研究[D];华北电力大学(河北);2009年
7 徐海祥;基于支持向量机方法的图像分割与目标分类[D];华中科技大学;2005年
8 任东;基于支持向量机的植物病害识别研究[D];吉林大学;2007年
9 陈慧灵;面向智能决策问题的机器学习方法研究[D];吉林大学;2012年
10 胡崇海;基于图的半监督机器学习[D];浙江大学;2008年
中国硕士学位论文全文数据库 前10条
1 杨雪;支持向量机多类分类方法的研究[D];哈尔滨工程大学;2006年
2 马波;支持向量机多类分类算法的分析与设计[D];扬州大学;2008年
3 黄波;基于支持向量机的多示例学习研究与应用[D];中国地质大学;2009年
4 刘森华;基于SVM的数据挖掘技术研究[D];长春理工大学;2009年
5 王晶;支持向量机及其在癌症诊断中的应用研究[D];东北师范大学;2006年
6 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
7 杨振章;基于支持向量数据描述的分类识别算法研究[D];杭州电子科技大学;2009年
8 刘华煜;基于支持向量机的机器学习研究[D];大庆石油学院;2005年
9 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
10 马金刚;基于向量空间的信息过滤关键技术研究[D];山东师范大学;2006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