SVM在機(jī)械故障診斷中的應(yīng)用研究.pdf

1、伴隨著現(xiàn)代化設(shè)備維修技術(shù)從預(yù)防維修向預(yù)測(cè)維修的發(fā)展，發(fā)展起來(lái)一種新的學(xué)科—機(jī)械設(shè)備的狀態(tài)監(jiān)控與故障診斷。振動(dòng)檢測(cè)技術(shù)一直是機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)的主要手段。在處理故障診斷等實(shí)際問(wèn)題時(shí)，能得到的樣本數(shù)據(jù)是非常有限的，故障模式識(shí)別在大多數(shù)情況下是一個(gè)小樣本機(jī)器學(xué)習(xí)問(wèn)題。支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來(lái)的一種新型的針對(duì)小樣本的學(xué)習(xí)機(jī)器。支持向量機(jī)應(yīng)用于故障診斷最大的優(yōu)勢(shì)就在于它適合于小樣本決策。
　　本文圍繞支持向量機(jī)在

2、機(jī)械故障診斷應(yīng)用研究領(lǐng)域中的若干關(guān)鍵問(wèn)題進(jìn)行研究，主要工作和研究成果如下：
　　1、通過(guò)研究幾種常用的SVM多類分類算法，比較它們的優(yōu)劣性，引出一種改進(jìn)的基于帶標(biāo)記的二叉樹(shù)多類分類方法，這種算法能夠減少子分類器的數(shù)目，提高分類的準(zhǔn)確性。
　　2、根據(jù)對(duì)核函數(shù)及其參數(shù)選擇方法的研究，建立基于Fisher判別準(zhǔn)則和蟻群優(yōu)化算法相結(jié)合的核函數(shù)參數(shù)自動(dòng)優(yōu)化方法?？梢詫?shí)現(xiàn)支持向量機(jī)分類器的核函數(shù)參數(shù)的優(yōu)化，結(jié)果表明本方法可以提高分類器