基于向量機的渦扇發(fā)動機試車故障診斷.pdf

1、傳統(tǒng)以分類為手段的故障診斷都是在樣本數(shù)目足夠多的前提下進行的，只有在樣本數(shù)趨于無窮時才能獲得較好的效果。但在實際問題中，很多試驗只能取得有限樣本，這時原有方法難以取得理想的結(jié)果。發(fā)動機試車數(shù)據(jù)通常是有限的，這時原有方法都難以取得理想的結(jié)果。然而，統(tǒng)計學(xué)習(xí)理論是專門為小樣本設(shè)計的，它的出現(xiàn)為研究有限樣本情況下的統(tǒng)計模式識別建立了一個較好的理論框架，并推出了一種新的模式識別方法——支持向量機。 支持向量機方法是建立在統(tǒng)計學(xué)習(xí)理論的V

2、C維理論和結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)上的由Vapnik等人于1995年提出的一類新型機器學(xué)習(xí)方法，它能夠較好解決小樣本、非線性及高維數(shù)等模式識別問題。近年來SVM已在臉像識別、語音識別、文章分類等眾多領(lǐng)域得到了廣泛應(yīng)用。利用該方法進行氣路故障診斷，在訓(xùn)練樣本相對較少的情況下，仍可得到較好的識別率。目前研究SVM的文章雖然較多，但關(guān)于如何解決SVM在工程中的一些實用方法的研究卻相對較少。此外，SVM參數(shù)選擇也一直是研究的熱點。對以上問題地研究都