基于支持向量機(jī)的故障診斷研究.pdf

1、基于知識(shí)的診斷方法是一種很有前途的方法，尤其是在非線性系統(tǒng)領(lǐng)域。它的智能化技術(shù)和豐富的專家知識(shí)給用戶提供了一個(gè)簡單易用而又可靠的系統(tǒng)。然而，故障樣本數(shù)的不足，制約著這項(xiàng)技術(shù)向?qū)嵱没耐茝V。而支持向量機(jī)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)方法，對(duì)小樣本情況具有優(yōu)良的性能，能夠在有限的特性信息樣本下，最大限度地發(fā)掘數(shù)據(jù)中隱含的分類知識(shí)，非常適用于故障診斷這種實(shí)際的工程問題。
　　 本文首先研究了經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則成立的條件、有限樣本下經(jīng)

2、驗(yàn)風(fēng)險(xiǎn)與期望風(fēng)險(xiǎn)的關(guān)系及如何利用這些理論找到新的學(xué)習(xí)理論的實(shí)現(xiàn)方法，并給出了控制置信范圍的方法--VC維。建立在VC維理論基礎(chǔ)上的結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則通過控制經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍控制實(shí)際風(fēng)險(xiǎn)的界，為建立具有好的推廣性能的學(xué)習(xí)機(jī)器提供了堅(jiān)實(shí)的理論基礎(chǔ)。
　　 本文詳細(xì)介紹了最優(yōu)超平面的構(gòu)造并進(jìn)行了相應(yīng)的求解，線性可分時(shí)可以在輸入空間構(gòu)造分類超平面；非線性可分時(shí)利用核函數(shù)映射，在高維特征空間構(gòu)造分類超平面；考慮噪聲數(shù)據(jù)時(shí)引入松弛變量構(gòu)造

3、分類超平面。
　　 論文在Iris標(biāo)準(zhǔn)數(shù)據(jù)集的基礎(chǔ)上構(gòu)造了兩類數(shù)據(jù)，并對(duì)它們進(jìn)行二分類的仿真研究。選取三種常用核函數(shù)，通過Matlab仿真，深入研究了支持向量機(jī)的模型選擇問題。詳細(xì)演示了最優(yōu)參數(shù)的選擇過程，討論了不同參數(shù)對(duì)于支持向量機(jī)分類性能的影響，比較了不同核函數(shù)的特點(diǎn)。并通過仔細(xì)的模型選擇，得到各種核函數(shù)情況下的最優(yōu)支持向量機(jī)。
　　 最后，論文對(duì)基于SVM的故障診斷方法，選用不同核函數(shù)及其參數(shù)的SVM分類器對(duì)實(shí)際數(shù)