基于支持向量機的復雜工業(yè)系統(tǒng)典型非正常工況分類問題研究.pdf

1、現(xiàn)如今，依托于各領域科技的快速發(fā)展，多項工業(yè)難題逐漸被攻破，越來越多的先進技術應用于實際的工業(yè)生產(chǎn)之中。工業(yè)過程逐漸朝著信息化的方向邁進。在實際的工業(yè)生產(chǎn)過程中，通過各個測量環(huán)節(jié)的加入與大量傳感器元件的應用，代表著生產(chǎn)過程狀態(tài)的大量數(shù)據(jù)由此產(chǎn)生。當系統(tǒng)的某一環(huán)節(jié)出現(xiàn)非正常工況時，相應環(huán)節(jié)的測量數(shù)據(jù)也會有所體現(xiàn)。由于傳統(tǒng)的系統(tǒng)機理建模方法面對越發(fā)復雜的實際過程來說變得更加困難，所以如何基于數(shù)據(jù)驅(qū)動的方法解決工業(yè)過程中的故障診斷問題并提升經(jīng)

2、濟效益逐漸被學術界以及工業(yè)界所關注。因此，面對大數(shù)據(jù)量的工業(yè)生產(chǎn)過程，利用支持向量機的方法對于復雜非線性過程的典型非正常工況的分類問題進行研究具有重要的理論以及現(xiàn)實意義。
　　本文分析了支持向量機的背景理論，推導演繹了其建模方法。針對大數(shù)據(jù)量的復雜非線性工業(yè)過程，首先設計了循環(huán)特征選擇算法對于基本的支持向量機模型進行改造。其次根據(jù)主成分分析法，對于支持向量機建模的特征選擇過程進行改善。利用實際的工業(yè)過程數(shù)據(jù)，分別利用三種支持向量機

3、模型進行故障診斷，并對于各個模型的結(jié)果進行討論分析。結(jié)果表明，經(jīng)過循環(huán)特征選擇法改進的支持向量機模型表現(xiàn)出優(yōu)異的性能。針對故障檢測問題，利用支持向量機和主成分分析的兩個統(tǒng)計量指標，結(jié)合由循環(huán)特征選擇法算法挑選出的最相關變量對于典型的非正常工況進行了非常有效的故障分析和檢測。對于支持向量機解決回歸問題，進行了深入的研究。結(jié)合實際的非線性經(jīng)濟數(shù)據(jù)，利用支持向量機回歸算法和最小二乘支持向量機算法建立模型，根據(jù)相關的特征變量對于關鍵的經(jīng)濟學指標