SVM和FCM相結(jié)合的故障診斷方法的研究.pdf

1、對于復(fù)雜系統(tǒng)的故障診斷問題，采用智能信息處理技術(shù)是現(xiàn)今故障診斷技術(shù)發(fā)展的必然與研究的熱點。本文對SVM與FCM相結(jié)合的故障診斷方法進行了分析和研究。 本文研究的主要內(nèi)容有： 第一，模糊聚類分析是故障診斷的重要方法之一，本文系統(tǒng)的研究了廣泛應(yīng)用的模糊C均值聚類算法，針對傳統(tǒng)的模糊等價關(guān)系的傳遞閉包法和基于模糊劃分的模糊C均值算法存在“傳遞偏差”和對初始值敏感的問題，提出了一種混合模糊聚類法，即將基于模糊等價關(guān)系的傳遞閉包法

2、與基于模糊劃分的FCM聚類法相結(jié)合的方法，該方法不僅可以對單一故障進行診斷，還可以對多種故障同時進行診斷，較好的克服了傳統(tǒng)模糊聚類法診斷故障只能對單一故障診斷的缺陷；同時該方法也克服了傳遞閉包法中因“傳遞偏差”帶來的漏診現(xiàn)象。 第二，由于故障診斷領(lǐng)域本身所具有的模糊性，采用模糊理論來表達這個問題是再恰當(dāng)不過了。因此，本文深入分析了模糊支持向量機(FSVM)技術(shù)的算法及理論基礎(chǔ)，采用模糊C均值方法，對每個輸入樣本增加一個模糊隸屬度

3、，使得普通的支持向量機變成模糊支持向量機，得到不同的最優(yōu)超平面，并將其應(yīng)用于汽輪發(fā)電機組振動故障診斷中。 第三，為了避免傳統(tǒng)的多分類中一對一與一對多產(chǎn)生的拒絕分類情況，本文對基于決策樹思想的分級聚類的方法進行探討與分析，具體研究了基于模糊支持向量機多級二叉樹(FSMBTC算法)的多類SVM算法，F(xiàn)SMBTC算法包含了粗分和細分兩個過程，即先用模糊聚類技術(shù)對樣本進行粗分，然后再用SVM對樣本實現(xiàn)精細分類。理論證明FSMBTC算法不