SVM及其在船舶航向控制系統(tǒng)故障預(yù)報中的應(yīng)用研究.pdf

1、船舶的航向控制是一個復(fù)雜而重要的問題，如果船舶航行時航向控制系統(tǒng)出現(xiàn)故障，就可能造成重大的影響，甚至?xí)斐扇藛T的傷亡，所以僅在故障發(fā)生后進行故障診斷是遠遠不夠的。船舶航向控制系統(tǒng)故障預(yù)報技術(shù)的開發(fā)，可以避免不必要的停航，防止故障進一步發(fā)展，并且可以提前做好準(zhǔn)備，縮短檢修時間，對于獲得最大的經(jīng)濟效益具有積極的意義。因此進行船舶航向控制系統(tǒng)故障預(yù)報技術(shù)研究具有非常重要的意義。本文采用針對小樣本問題的支持向量機算法(Support Vecto

2、r Machines，SVM)，對船舶航向控制系統(tǒng)的故障預(yù)報技術(shù)進行研究。 在分析船舶航向控制系統(tǒng)故障模式及故障原因的基礎(chǔ)上，構(gòu)建了該系統(tǒng)的故障樹模型，采用下行法對故障樹進行了定性分析，并對船舶航向控制系統(tǒng)進行了故障建模與仿真。 推導(dǎo)出了基于支持向量機的時間序列預(yù)報方法，并將該方法應(yīng)用于sinc函數(shù)和Lorenz混沌映射這兩個時間序列的預(yù)報中，同時將移動平均法和指數(shù)平滑法的預(yù)報結(jié)果與之進行比較，仿真結(jié)果表明支持向量機回歸

3、算法能獲得較高的預(yù)報精度。在分析系統(tǒng)故障發(fā)生和演變過程的基礎(chǔ)上，建立了基于支持向量機回歸算法的故障預(yù)報模型。 針對將支持向量機應(yīng)用于故障預(yù)報時，故障特征選擇優(yōu)化、加權(quán)SVM的加權(quán)系數(shù)優(yōu)化、SVM的參數(shù)優(yōu)化是相互關(guān)聯(lián)的，而不是孤立的，提出將三者并行優(yōu)化的方法；將動物的捕食搜索策略引入到基本魚群算法中，形成了一種改進人工魚群算法，并用這種改進的魚群算法并行優(yōu)化。仿真結(jié)果驗證了并行優(yōu)化方法和改進魚群算法的有效性和優(yōu)越性。 針對

4、支持向量機在故障預(yù)報時應(yīng)同時追求訓(xùn)練精度高和訓(xùn)練速度快，提出了從多目標(biāo)優(yōu)化的角度對SVM算法的這兩個性能指標(biāo)進行綜合考慮，并采用直接對多個目標(biāo)同時優(yōu)化的方法來求解Pareto近似解集；將免疫算法引入魚群算法中，形成了改進的免疫魚群算法，并采用改進的免疫魚群算法來求取Pareto近似解集。仿真結(jié)果驗證了多目標(biāo)優(yōu)化方法和改進的免疫魚群算法的有效性和優(yōu)越性。 針對支持向量機回歸算法中，核函數(shù)對其回歸效果的影響，提出選用多項式核函數(shù)、徑