基于支持向量機的故障診斷

1、基于支持向量機的故障診斷 基于支持向量機的故障診斷摘 要在化工生產(chǎn)過程中，為了準確檢測故障，減少機械的損失和人員的傷亡，提出了支持向量機算法。支持向量機是基于統(tǒng)計學理論的方法，具有較強的逼近能力和泛化能力。但是在最近幾年中，一種基于主元分析的過程監(jiān)控方法已在工業(yè)過程中得到應(yīng)用，主元分析方法通過正常工況下的歷史數(shù)據(jù)建立的統(tǒng)計模型能很好地檢測過程的異常變化和故障的發(fā)生。本文主要就這兩種方法展開運用。在實際生產(chǎn)過程中，一方面，主元分析方法故

2、障診斷能力有限；另一方面，存在著大量的歷史數(shù)據(jù)，既有正常工況下的數(shù)據(jù)，又有故障數(shù)據(jù)，如何充分利用各種類別數(shù)據(jù)，提高故障診斷能力，具有十分重要的意義。本文首先運用傳統(tǒng)支持向量機算法對歷史數(shù)據(jù)進行分類，分類結(jié)果表明該方法對于簡單的數(shù)據(jù)比較容易區(qū)分，但是在數(shù)據(jù)復(fù)雜，可辨性較低的情況下，效果不明顯。然后運用改進了的傳統(tǒng)支持向量機算法對歷史數(shù)據(jù)進行分類，即運用主元分析方法提取各數(shù)據(jù)的主要特征，再利用支持向量機具有的分類優(yōu)勢對過程數(shù)據(jù)進行在線診斷，

3、從而提高故障診斷能力。本文對傳統(tǒng)支持向量機算法和改進支持向量機算法進行了仿真比較，仿真結(jié)果體現(xiàn)了改進支持向量機算法的優(yōu)越性；改進支持向量機算法提高了傳統(tǒng)支持向量機算法分類的正確率。該種方法在實際工程中能夠提高系統(tǒng)的診斷性能，減少不必要的損失。關(guān)鍵詞 關(guān)鍵詞：支持向量機；故障診斷；主元分析方法；田納西-伊斯曼過程； 目 錄論文總頁數(shù)：49 頁1 引言............................................

4、....................................................................................................11.1 課題背景...............................................................................................................

5、..................11.2 故障診斷技術(shù)及其發(fā)展.........................................................................................................11.3 國內(nèi)外研究現(xiàn)狀......................................................................

6、...............................................21.4 本課題研究的意義.................................................................................................................41.5 本文主要內(nèi)容....................................

7、.....................................................................................42 機器學習理論與方法....................................................................................................................52.1 機器

8、學習簡述.........................................................................................................................52.1.1 機器學習的主要學習問題 ............................................................................

9、..................52.1.2 機器學習的經(jīng)驗風險最小化原則與推廣能力 ..............................................................62.2 統(tǒng)計學習理論......................................................................................................

10、...................72.2.1 統(tǒng)計學習理論發(fā)展歷史 ..................................................................................................72.2.2 統(tǒng)計學習理論的核心內(nèi)容 ..................................................................

11、............................82.3 支持向量機(SVM)理論........................................................................................................102.3.1 支持向量機簡述 .......................................................

12、.....................................................102.3.2 支持向量機算法 ............................................................................................................102.4 主元分析方法(PCA)理論........................

13、.............................................................................132.4.1 主元分析方法簡述 ........................................................................................................132.4.2 主元分析方法降維 .....

14、..................................................................................................143 機器學習的故障診斷方法..........................................................................................................1

15、53.1 專家系統(tǒng)...............................................................................................................................153.2 人工神經(jīng)網(wǎng)絡(luò)........................................................................

16、...............................................153.3 基于支持向量機的故障診斷方法.......................................................................................163.3.1 支持向量機的求解 .................................................

17、......................................................163.3.2 核函數(shù) ............................................................................................................................173.3.3 支持向量機故障診斷方法 ..........

18、..................................................................................184 基于 PCA 支持向量機的故障診斷方法....................................................................................224.1 基于 PCA 支持向量機的故障診斷 .......