支持向量機在設備故障診斷中的應用研究.pdf

1、統(tǒng)計學習理論是專門研究小樣本情況下機器學習的理論，其核心思想是通過控制學習機器的復雜度來控制學習機器的推廣能力。在統(tǒng)計學習理論上發(fā)展起來的支持向量機表現(xiàn)出優(yōu)秀的學習性能。本文從支持向量機理論、方法和應用相結合的角度出發(fā)，研究了支持向量機分類和回歸在設備故障診斷中的應用，本文的主要工作包括以下內容： 一、支持向量機分類包括二值分類、一類分類，本文對這兩種方法在故障診斷中的應用進行了研究。首先，從軸承的時域信號中通過主成份分析提取特

2、征參數(shù)，然后在二值分類下選擇不同的核函數(shù)構造判別函數(shù)對軸承故障進行檢測，并比較了在不同核函數(shù)下支持向量機的分類性能。其次，應用一類分類方法對軸承的異常值進行檢測；利用基于一類分類的多值分類方法來對軸承的故障類型進行識別，基于一類分類的方法在保持準確率的情況下，能極大的減小運算時間。 二、針對有些問題，新樣本所提供的信息量與歷史樣本所提供的信息量是不同的，給出一種新息加權的支持向量機的增量學習算法，通過循環(huán)來獲得最優(yōu)分類面，仿真實