基于支持向量機(jī)集成的故障診斷方法研究.pdf

1、本文主要通過對(duì)傳送帶裝置中的電機(jī)故障診斷方法進(jìn)行研究，利用統(tǒng)計(jì)學(xué)習(xí)理論中的支持向量機(jī)理論，較好的執(zhí)行了統(tǒng)計(jì)學(xué)習(xí)理論的結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，為解決小樣本學(xué)習(xí)問題提供了統(tǒng)一的框架。 支持向量機(jī)針對(duì)小樣本情況所表現(xiàn)出來的優(yōu)良性能引起了眾多故障診斷領(lǐng)域研究人員的注意，因?yàn)楣收显\斷本身就是一種小樣本情況在實(shí)際問題中的體現(xiàn)。支持向量機(jī)應(yīng)用于故障診斷最大的優(yōu)勢(shì)在于它適合于小樣本決策，其學(xué)習(xí)方法的本質(zhì)在于能夠在有限特征信息情況下，最大限度地發(fā)掘數(shù)

2、據(jù)中隱含的分類知識(shí)。從推廣性的角度來看，更適用于故障診斷這種實(shí)際的工程問題。 雖然支持向量機(jī)在理論上有很突出的優(yōu)勢(shì)，但其應(yīng)用研究相對(duì)比較滯后。基于此，論文圍繞支持向量機(jī)在電機(jī)故障智能診斷應(yīng)用中的問題，從樣本數(shù)據(jù)預(yù)處理、特征選擇、多類支持向量機(jī)的實(shí)現(xiàn)以及基于主成分分析的集成學(xué)習(xí)方法等幾個(gè)方面進(jìn)行了研究比較。 1、基于支持向量機(jī)理論，對(duì)高維故障樣本數(shù)據(jù)的特征選擇進(jìn)行了研究和應(yīng)用。 首先分析了特征維數(shù)與分類效果之間的關(guān)

3、系，說明了在很多情況下特征維數(shù)的增加反而會(huì)降低分類效果，其原因在于存在偽特征干擾，利用支持向量機(jī)的理論，同時(shí)結(jié)合特征選擇的算法，針對(duì)電機(jī)故障診斷問題，對(duì)多組原始的7維數(shù)據(jù)樣本進(jìn)行了特征選擇，從試驗(yàn)精度的結(jié)果可以看出提取后的特征數(shù)據(jù)更具有效性，說明了在實(shí)際故障診斷問題中進(jìn)行數(shù)據(jù)預(yù)處理有利于分類算法的實(shí)現(xiàn)，為電機(jī)故障診斷問題提供了一種有效可行的數(shù)據(jù)預(yù)處理方式。 2、提出將主成分分析的支持向量機(jī)與集成學(xué)習(xí)方法結(jié)合起來，并運(yùn)用于故障數(shù)據(jù)