基于支持向量機(jī)的城市給水管網(wǎng)故障診斷研究.pdf

1、基于支持向量機(jī)的城市給水管網(wǎng)故障診斷研究重慶大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）學(xué)生姓名：卓嚴(yán)報(bào)指導(dǎo)教師：朱曉紅副教授專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)學(xué)科門類：工學(xué)重慶大學(xué)計(jì)算機(jī)學(xué)院二O一三年六月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要支持向量機(jī)（SVM）是九十年代中期在統(tǒng)計(jì)學(xué)習(xí)理論（SLT）基礎(chǔ)上發(fā)展而來(lái)的機(jī)器學(xué)習(xí)技術(shù)。統(tǒng)計(jì)學(xué)習(xí)理論著重研究小樣本條件下的統(tǒng)計(jì)規(guī)律和學(xué)習(xí)方法，它為機(jī)器學(xué)習(xí)問(wèn)題建立了一個(gè)很好的理論框架。支持向量機(jī)在小樣本情況下，運(yùn)用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原

2、則，具有非常優(yōu)秀的學(xué)習(xí)性能。支持向量機(jī)應(yīng)用于故障診斷的優(yōu)勢(shì)在于它適合于小樣本決策，其本質(zhì)就是一個(gè)模式分類問(wèn)題，其學(xué)習(xí)方法的本質(zhì)在于能夠在有限特征信息情況下，最大限度地發(fā)掘數(shù)據(jù)中隱含的分類知識(shí)。從推廣性的角度來(lái)看，更適用于故障診斷這種實(shí)際的工程問(wèn)題。本文首先闡述了支持向量機(jī)在故障診斷領(lǐng)域中的應(yīng)用及研究現(xiàn)狀。然后介紹了統(tǒng)計(jì)學(xué)習(xí)理論相關(guān)知識(shí)、支持向量機(jī)原理以及兩種主要的支持向量機(jī)多類分類算法，即“一對(duì)余類”和“成對(duì)分類“。支持向量機(jī)的性能受其

3、參數(shù)的影響很大，因此出現(xiàn)了很多優(yōu)化SVM相關(guān)參數(shù)的算法。本文從遺傳算法（GA）與粒子群優(yōu)化算法（PSO）的基本理論出發(fā)，研究探討其優(yōu)化SVM參數(shù)的能力與優(yōu)缺點(diǎn)。研究發(fā)現(xiàn)，遺傳算法具有高效的全局搜索能力，但也有收斂速度慢的缺點(diǎn)；而粒子群算法具有快速收斂的特性，但亦容易陷入局部最優(yōu)解。針對(duì)SVM在故障檢測(cè)中容易陷入診斷精度不高，參數(shù)尋優(yōu)、訓(xùn)練速度慢，容易陷入局部最優(yōu)值以及泛化能力差的缺點(diǎn)，文中提出了建立基于遺傳算法與粒子群優(yōu)化算法對(duì)SVM參

4、數(shù)進(jìn)行尋優(yōu)的算法。改進(jìn)后的算法實(shí)現(xiàn)全局和局部搜索的平衡；比GASVM模型具有更高的診斷精度，在小樣本、非線性情況下更具優(yōu)勢(shì)，解決了過(guò)學(xué)習(xí)與欠學(xué)習(xí)問(wèn)題；同時(shí)，其快速收斂的能力使算法能夠迅速收斂得出最優(yōu)解，比GASVM模型的計(jì)算時(shí)間短；該算法亦具有良好的魯棒性及泛化能力。最后，在實(shí)驗(yàn)?zāi)M環(huán)境下，對(duì)小型城市給水管網(wǎng)模型進(jìn)行故障診斷分析。通過(guò)實(shí)驗(yàn)我們可以看到新的診斷模型的優(yōu)勢(shì)，在實(shí)際生產(chǎn)實(shí)踐中，基于支持向量機(jī)的故障診斷技術(shù)具有實(shí)際應(yīng)用意義，為工