支持向量機(jī)在船舶柴油機(jī)故障診斷中的應(yīng)用.pdf

1、支持向量機(jī)(Support Vector Machine)是Vapnik等人根據(jù)統(tǒng)計(jì)學(xué)理論提出的一種新的學(xué)習(xí)方法，它是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維(Vapnik Chervonenks Dimension)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理(Structural Risk Minimization Inductive Principle)基礎(chǔ)上的，能較好地解決小樣本、非線性、高維數(shù)和局部極小點(diǎn)等實(shí)際問(wèn)題。從N．Vapnik的統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來(lái)

2、的支持向量機(jī)(Support Vector Machine，簡(jiǎn)稱SVM)是目前模式識(shí)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(xiǎn)最小化原則代替經(jīng)驗(yàn)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(wèn)題，具有較強(qiáng)的泛化能力。又由于采用了核函數(shù)的思想，使它把非線性空間的問(wèn)題轉(zhuǎn)換到線性空間，降低了算法的復(fù)雜度。正是因?yàn)槠渫陚涞睦碚摶A(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)界的研究熱點(diǎn)，并在很多領(lǐng)域都

3、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(wèn)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(shí)，對(duì)SVM在船用柴油機(jī)渦輪增壓系統(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(duì)其進(jìn)行了故障診斷的研究，其中包括實(shí)驗(yàn)系統(tǒng)數(shù)學(xué)模型的設(shè)計(jì)、仿真系統(tǒng)的建立(用Simulink仿真軟件建立