版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著工業(yè)系統(tǒng)日益復(fù)雜化,基于數(shù)據(jù)驅(qū)動的故障診斷方法正成為當前研究的一個熱點方向。區(qū)別于傳統(tǒng)方法對精確數(shù)學(xué)模型的依賴,數(shù)據(jù)驅(qū)動式故障診斷通過分析和挖掘過程數(shù)據(jù),采用一個反映系統(tǒng)輸入和系統(tǒng)狀態(tài)關(guān)系的“黑盒子”對目標系統(tǒng)進行描述,更適用于復(fù)雜非線性系統(tǒng)。而基于支持向量機(Support Vector Machines,SVM)的故障診斷方法則是數(shù)據(jù)驅(qū)動式故障診斷的一個重要組成部分。該方法采用結(jié)構(gòu)風險最小化原則求解最佳分類超平面,克服了維數(shù)災(zāi)難
2、和局部最小問題,且對故障樣本的需求量較小。因此采用SVM進行故障診斷,具有較高的理論價值和優(yōu)秀的工程應(yīng)用前景。論文首先對SVM的故障診斷的三個共性問題展開研究,包括:
(1)如何有效地將二分類的SVM分類器擴展為多分類器,使之適用于系統(tǒng)的故障隔離:決策導(dǎo)向無環(huán)圖支持向量機(DAG-SVM)是目前較為先進的一種支持向量機多分類擴展策略,但其在決策時存在劃分偏好問題。針對該問題,論文提出了一種基于結(jié)點優(yōu)化的DAG-SVM決策結(jié)
3、構(gòu)選取方法,該方法能選取具有最小誤判概率的多分類決策結(jié)構(gòu);更進一步,考慮到不同誤判帶來的損失存在差異,論文采用故障診斷中的誤判損失作為最小化目標,提出誤判損失最小化支持向量機。該方法在決策時,希望所選結(jié)構(gòu)能夠帶來最小的誤判損失,而非具備最小的誤判概率,更貼切工程實際。兩類方法運用至變壓器故障診斷實驗,得到了良好的效果。
(2)在線故障診斷時,如何減少決策耗時,提高響應(yīng)速度:論文提出了一種借鑒標簽(Label)信息的在線診斷
4、方法。該方法將診斷系統(tǒng)分為“離線學(xué)習”和“在線診斷”兩部分,“離線學(xué)習”部分通過對標簽信息的深入挖掘,得到樣本的最佳特征子空間,然后在該特征子空間中實現(xiàn)“在線診斷”。由于特征子空間中包含的特征數(shù)一般要遠小于原始數(shù)據(jù)的特征數(shù),“在線診斷”所處理的樣本維數(shù)較低。因此決策計算量得到減少,決策速度得到提高。
(3)當用于訓(xùn)練SVM分類器的正、負訓(xùn)練樣本在數(shù)量上不對稱時,如何抑制分類超平面的偏移:論文提出一種自調(diào)整支持向量機。該方法
5、首先采用AdaBoost算法對訓(xùn)練樣本所含信息量進行評估,然后根據(jù)評估結(jié)果,為每個樣本設(shè)置了對應(yīng)的誤判懲罰因子。同時,自調(diào)整支持向量機能確保正、負樣本的總體誤判損失始終相等。因此,所提方法能夠很好的抑制分類超平面的偏移。
在討論了常規(guī)條件下,基于支持向量機故障診斷方法的一些改進后,論文同樣嘗試在故障樣本不完備的條件下,對此類故障診斷方法進行改進和優(yōu)化,包括:
(4)在一類或多類樣本缺失條件下,如何提高故障診斷
6、的準確率:基于SVM的故障診斷方法對樣本的完備度非常敏感。當一類或多類故障樣本發(fā)生缺失時,SVM對故障區(qū)域的劃分會出現(xiàn)很大偏差。論文采用支持向量數(shù)據(jù)描述(Support Vector Data Description,SVDD)對故障區(qū)域的劃分進行改進。有效降低了分類器對樣本完備度的敏感性,在樣本不完備的情況下,有效提高了診斷的準確率。
(5)在只有正常運行數(shù)據(jù)樣本而沒有故障樣本的情況下,如何有效實現(xiàn)故障檢測:論文提出一種
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機的故障診斷
- 基于支持向量機的故障診斷研究.pdf
- 支持向量機的變壓器故障診斷應(yīng)用研究.pdf
- 支持向量機在智能故障診斷中的應(yīng)用研究.pdf
- 支持向量機在設(shè)備故障診斷中的應(yīng)用研究.pdf
- 基于支持向量機的電網(wǎng)故障診斷研究.pdf
- 基于支持向量機的故障診斷方法.pdf
- 基于支持向量機的小樣本故障診斷.pdf
- 支持向量機在礦井提升機故障診斷中的應(yīng)用研究.pdf
- 支持向量機在發(fā)電設(shè)備故障診斷中的應(yīng)用研究.pdf
- 多元支持向量機在故障診斷中的應(yīng)用
- 支持向量機在液壓系統(tǒng)故障診斷中的應(yīng)用研究.pdf
- 基于支持向量機的食品機械關(guān)鍵設(shè)備故障診斷應(yīng)用研究.pdf
- 基于支持向量機的網(wǎng)絡(luò)應(yīng)用層故障診斷研究.pdf
- 支持向量機在刀具故障診斷中的應(yīng)用.pdf
- 基于支持向量機的模擬電路故障診斷研究.pdf
- 基于支持向量機集成的故障診斷方法研究.pdf
- 基于支持向量機的智能故障診斷技術(shù)研究.pdf
- 基于支持向量機的模擬電路故障診斷方法研究.pdf
- 基于支持向量機的煙氣輪機故障診斷研究.pdf
評論
0/150
提交評論