基于支持向量機(jī)的船用柴油機(jī)故障診斷研究.pdf

1、從N.Vapnik的統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的支持向量機(jī)(Support VectorMachine，簡稱SVM)是目前模式識別領(lǐng)域中最先進(jìn)的機(jī)器學(xué)習(xí)算法，它已初步表現(xiàn)出很多優(yōu)于已有方法的性能。由于采用了結(jié)構(gòu)風(fēng)險最小化原則代替經(jīng)驗最小化原則，支持向量機(jī)能夠較好地解決小樣本學(xué)習(xí)的問題。又由于采用了核函數(shù)的思想，使它把非線性空間的問題轉(zhuǎn)換到線性空間，降低了算法的復(fù)雜度。正是因為其完備的理論基礎(chǔ)和出色的學(xué)習(xí)性能，該技術(shù)已經(jīng)成為了機(jī)器學(xué)習(xí)界的

2、研究熱點，并在很多領(lǐng)域都得到了成功的應(yīng)用。但是作為一種新興技術(shù)，SVM在很多應(yīng)用領(lǐng)域的研究都還有待于探索和完善。如核函數(shù)和參數(shù)的選擇缺乏理論指導(dǎo)、訓(xùn)練算法的完善、不支持增量學(xué)習(xí)等。這些問題的存在，使得SVM在很多領(lǐng)域的應(yīng)用受到了很大的限制。 本文在學(xué)習(xí)探討SVM算法的同時，對SVM在船用柴油機(jī)供油系統(tǒng)故障診斷中的應(yīng)用進(jìn)行了論述，運(yùn)用支持向量機(jī)理論對其進(jìn)行了故障診斷的仿真研究和實驗研究，其中包括實驗系統(tǒng)數(shù)學(xué)模型的設(shè)計、仿真系統(tǒng)的建