基于支持向量機(jī)的小樣本事件預(yù)測(cè).pdf

1、本文首先總結(jié)了故障預(yù)測(cè)與健康管理(Predictionandhealthmanagement,PHM)的研究現(xiàn)狀及其小樣本事件預(yù)測(cè)的典型方法,并對(duì)支持向量機(jī)方法(SupportVectorMachine,SVM)進(jìn)行了詳細(xì)介紹。在許多工業(yè)系統(tǒng)中,由于系統(tǒng)本身故障的高風(fēng)險(xiǎn)性,迫切需要可靠的故障檢測(cè)與預(yù)報(bào)體系來(lái)保證系統(tǒng)即使在不確定情況下也能安全運(yùn)行,PHM技術(shù)應(yīng)運(yùn)而生。故障預(yù)測(cè),作為PHM重要方面,受到的關(guān)注越來(lái)越多。本文將故障預(yù)測(cè)方法分為

2、基于模型、基于知識(shí)和基于數(shù)據(jù)的三個(gè)方面。隨著系統(tǒng)的日益復(fù)雜化,基于模型的方法具有很大的局限性,同時(shí)由于數(shù)據(jù)獲取技術(shù)的快速發(fā)展,基于數(shù)據(jù)的方法得到了廣泛的應(yīng)用。但是,在實(shí)際工程系統(tǒng)中,樣本的數(shù)量往往是有限的,因此需要建立一種能夠指導(dǎo)我們?cè)谛颖厩闆r下有效學(xué)習(xí)和預(yù)測(cè)的理論。SVM被視為一種典型而有效的方法。
　　然后,通過(guò)仿真總結(jié)了SVM方法的優(yōu)缺點(diǎn)。我們采用了SVM的回歸思想,首先通過(guò)對(duì)數(shù)據(jù)的預(yù)處理及參數(shù)分析,了解二者對(duì)回歸性能的影

3、響,然后據(jù)此尋找最佳的預(yù)處理方案及參數(shù)進(jìn)行一步及兩步預(yù)測(cè),仿真結(jié)果驗(yàn)證了SVM在預(yù)測(cè)未來(lái)時(shí)刻數(shù)據(jù)的有效性。這里選用的仿真實(shí)例來(lái)源于國(guó)際自動(dòng)控制聯(lián)合會(huì)(IFAC)1990年發(fā)布的控制系統(tǒng)設(shè)計(jì)基準(zhǔn)問(wèn)題之城市公交車(chē)運(yùn)行軌跡的跟蹤控制問(wèn)題。
　　最后針對(duì)SVM中存在的問(wèn)題提出了改進(jìn)措施。由于單一SVM方法的預(yù)測(cè)效果并不理想,預(yù)測(cè)得到的數(shù)據(jù)與原始數(shù)據(jù)之間有較大誤差。同時(shí),在實(shí)際的系統(tǒng)中,由于外界擾動(dòng)和各種不確定因素的存在,使得我們很難對(duì)未來(lái)