基于核算法的故障智能診斷理論及方法研究.pdf

1、本文圍繞核算法在故障智能診斷中的應(yīng)用，對(duì)故障診斷中不確定信息的處理、故障診斷實(shí)時(shí)性的實(shí)現(xiàn)、核函數(shù)的選擇和參數(shù)優(yōu)化、多類故障診斷、早期故障的發(fā)現(xiàn)以及樣本數(shù)據(jù)的壓縮等幾個(gè)方面進(jìn)行了較為系統(tǒng)深入的研究，為核算法應(yīng)用于故障診斷提供了理論依據(jù)，促進(jìn)了故障診斷技術(shù)的發(fā)展。本研究的主要工作及創(chuàng)新之處為： 針對(duì)故障診斷中兩類誤判造成損失不等的情況，提出一種基于幾何距離的后驗(yàn)概率計(jì)算方法；在定義基于風(fēng)險(xiǎn)的診斷可信度的基礎(chǔ)上，將SVM與貝葉斯決策理

2、論相結(jié)合，提出一種基于最小風(fēng)險(xiǎn)的SVM方法；并且將該方法應(yīng)用于電液伺服閥故障診斷實(shí)例，證實(shí)了該方法的可行性。 針對(duì)單值SVM只訓(xùn)練單類別樣本的特點(diǎn)，證明了徑向基核函數(shù)的參數(shù)S→0和S→∞時(shí)兩個(gè)定理；探索了兩種支持向量(邊界支持向量或非邊界支持向量)與目標(biāo)識(shí)別率的關(guān)系，提出一種改進(jìn)的“留一法”模型參數(shù)選擇方法，該方法在確保分類器泛化性能的前提下，大大減少模型參數(shù)選擇的時(shí)間，可針對(duì)性地確定目標(biāo)識(shí)別率或非目標(biāo)識(shí)別率。面對(duì)時(shí)變系統(tǒng)的故障

3、診斷，提出了一種基于滾動(dòng)時(shí)間窗的單值SVM學(xué)習(xí)算法，為將單值SVM實(shí)用化作出了努力。提出了將單值SVM推廣到多故障診斷的兩種方法，并將之應(yīng)用到基準(zhǔn)數(shù)據(jù)庫(kù)和液壓泵多故障識(shí)別中，不僅解決了目前存在的SVM多值分類方法存在的不屬于任何一類以及同時(shí)屬于多類的情況，同時(shí)提高了算法的訓(xùn)練與決策速度。 針對(duì)支持向量回歸機(jī)(SupportVectorRegression，SVR)模型參數(shù)選擇難的問(wèn)題，探究了SVR各參數(shù)對(duì)其性能的影響，提出了一種