基于引力球结构支持向量机多类算法的涡轮泵故障诊断.pdfVIP

基于引力球结构支持向量机多类算法的涡轮泵故障诊断.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

维普资讯

第27卷第4期宇航学报V01.27No.4

2006年7月JoumalofAstronauticsJuly2006

基于引力球结构支持向量机多类算法的

涡轮泵故障诊断

袁胜发‘’,褚福磊‘

(1.清华大学精密仪器与机械学系,北京100084;2.江西理工大学机电工程学院,赣州341000)

摘要:在涡轮泵故障诊断中,多类故障诊断是经常出现的问题。为提高多类故障诊断速度,在球结构支持

向量机的基础上,提出一种引力球结构的支持向量机多类算法,该算法充分考虑样本分布疏松程度,经过试验优化

分析得到最佳分类引力公式。用该算法和其他常用算法对涡轮泵仿真故障进行分类比较,结果表明基于引力球结

构的支持向量机故障诊断算法学习速度快,诊断效果好。

关键词:涡轮泵;故障诊断;支持向量机;多类算法

中图分类号:V434.21文献标识码:A文章编号:1000.1328(2006)04.0635.05

类算法,并用于涡轮泵多故障分类,希望为涡轮泵故

0引言

障诊断探索一种新方法。

涡轮泵结构复杂,在高温、高速等及其恶劣的环

1支持向量机及其多类算法

境下工作,极易发生各种故障,而由于其结构和工作

过程的复杂性,如果用数学模型来描述工作中的故关于支持向量机详细介绍请参见文献[2],其基

障,往往会遇到大量的非线性方程,求解十分困难,本思想可用图1的两维线性可分情况简单说明一

实时性不好、故障分离困难、稳性定差。以神经网络下。图1中,实心点和空心点代表两类样本,H为分

为代表的人工智能故障检测与诊断方法,不需要建类线,H,、H:分别为过各类中离分类线最近的样本

立精确的数学模型,近几年来引起研究者的极大兴点且平行于分类线的直线,它们之间的距离叫做分

趣。但是神经网络受网络结构复杂性和样本复杂性

的影响较大,容易出现过学习或低泛化能力,影响诊

断能力,因此有必要寻求更好的故障诊断方法。

支持向量机(SVM,Supportvectormachines)是

Vapnik等人在20世纪90年代研究并迅速发展起来

的一种新型的机器学习方法,它是专门针对有限

图(a)1分类间隔小的分类线

样本情况的,其目标是得到现有信息下的最优解而

(b)分类间隔最大的分类线(推广能力更优)

不仅仅是样本数趋于无穷大时的最优值;它的算法

Fig.1(a)Aseparatinghyperplanewithsmallmargin

最终将转化成为一个二次型寻优问题,从理论上说,

(b)Aseparatinghyperplanewihtlargermargin.

得到的将是全局最优点,解决了在神经网络方法中

AbeRergeneralizatio

文档评论(0)

130****9448 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档