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

1、船舶的航向控制是一個(gè)復(fù)雜而重要的問(wèn)題，如果船舶航行時(shí)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?xún)H在故障發(fā)生后進(jìn)行故障診斷是遠(yuǎn)遠(yuǎn)不夠的。船舶航向控制系統(tǒng)故障預(yù)報(bào)技術(shù)的開(kāi)發(fā)，可以避免不必要的停航，防止故障進(jìn)一步發(fā)展，并且可以提前做好準(zhǔn)備，縮短檢修時(shí)間，對(duì)于獲得最大的經(jīng)濟(jì)效益具有積極的意義。因此進(jìn)行船舶航向控制系統(tǒng)故障預(yù)報(bào)技術(shù)研究具有非常重要的意義。本文采用針對(duì)小樣本問(wèn)題的支持向量機(jī)算法(Support Vecto

2、r Machines，SVM)，對(duì)船舶航向控制系統(tǒng)的故障預(yù)報(bào)技術(shù)進(jìn)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(shù)模型，采用下行法對(duì)故障樹(shù)進(jìn)行了定性分析，并對(duì)船舶航向控制系統(tǒng)進(jìn)行了故障建模與仿真。 推導(dǎo)出了基于支持向量機(jī)的時(shí)間序列預(yù)報(bào)方法，并將該方法應(yīng)用于sinc函數(shù)和Lorenz混沌映射這兩個(gè)時(shí)間序列的預(yù)報(bào)中，同時(shí)將移動(dòng)平均法和指數(shù)平滑法的預(yù)報(bào)結(jié)果與之進(jìn)行比較，仿真結(jié)果表明支持向量機(jī)回歸

3、算法能獲得較高的預(yù)報(bào)精度。在分析系統(tǒng)故障發(fā)生和演變過(guò)程的基礎(chǔ)上，建立了基于支持向量機(jī)回歸算法的故障預(yù)報(bào)模型。 針對(duì)將支持向量機(jī)應(yīng)用于故障預(yù)報(bào)時(shí)，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(dòng)物的捕食搜索策略引入到基本魚(yú)群算法中，形成了一種改進(jìn)人工魚(yú)群算法，并用這種改進(jìn)的魚(yú)群算法并行優(yōu)化。仿真結(jié)果驗(yàn)證了并行優(yōu)化方法和改進(jìn)魚(yú)群算法的有效性和優(yōu)越性。 針對(duì)

4、支持向量機(jī)在故障預(yù)報(bào)時(shí)應(yīng)同時(shí)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(duì)SVM算法的這兩個(gè)性能指標(biāo)進(jìn)行綜合考慮，并采用直接對(duì)多個(gè)目標(biāo)同時(shí)優(yōu)化的方法來(lái)求解Pareto近似解集；將免疫算法引入魚(yú)群算法中，形成了改進(jìn)的免疫魚(yú)群算法，并采用改進(jìn)的免疫魚(yú)群算法來(lái)求取Pareto近似解集。仿真結(jié)果驗(yàn)證了多目標(biāo)優(yōu)化方法和改進(jìn)的免疫魚(yú)群算法的有效性和優(yōu)越性。 針對(duì)支持向量機(jī)回歸算法中，核函數(shù)對(duì)其回歸效果的影響，提出選用多項(xiàng)式核函數(shù)、徑