基于支持向量机的故障诊断.pdfVIP

基于支持向量机的故障诊断

摘要

在化工生产过程中，为了准确检测故障，减少机械的损失和人员的伤亡，

提出了支持向量机算法。支持向量机是基于统计学理论的方法，具有较强的逼

近能力和泛化能力。但是在最近几年中，一种基于主元分析的过程监控方法已

在工业过程中得到应用，主元分析方法通过正常工况下的历史数据建立的统计

模型能很好地检测过程的异常变化和故障的发生。本文主要就这两种方法展开

运用。在实际生产过程中，一方面，主元分析方法故障诊断能力有限；另一方

面，存在着大量的历史数据，既有正常工况下的数据，又有故障数据，如何充

分利用各种类别数据，提高故障诊断能力，具有十分重要的意义。

本文首先运用传统支持向量机算法对历史数据进行分类，分类结果表明该

方法对于简单的数据比较容易区分，但是在数据复杂，可辨性较低的情况下，

效果不明显。然后运用改进了的传统支持向量机算法对历史数据进行分类，即

运用主元分析方法提取各数据的主要特征，再利用支持向量机具有的分类优势

对过程数据进行在线诊断，从而提高故障诊断能力。

本文对传统支持向量机算法和改进支持向量机算法进行了仿真比较，仿真

结果体现了改进支持向量机算法的优越性；改进支持向量机算法提高了传统支

持向量机算法分类的正确率。该种方法在实际工程中能够提高系统的诊断性能，

减少不必要的损失。

关键词：支持向量机；故障诊断；主元分析方法；田纳西-伊斯曼过程；

FaultDiagnosisBasedonSupportVectorMachine

Abstract

thechemicalproductionprocess,thealgorithmofsupportvectormachineswas

proposed.Basedonthestatisticstheories,supportvectormachineisamethodof

approximationabilityandgeneralizationability.Recently,anewmethodofprocess

process.Thestatisticalmodelbuiltbyprincipalcomponentanalysismethodusing

historicdatacoulddetectunusualchangesandfaultshappeningintheprocess

accurately.Thisresearchisontheapplicationofthesetwomethods.Intheactual

productionprocess,principalcomponentanalysishascertainlimitationsin

diagnosingfault.Besides,thevastvolumeofhistoricaldatawascollectedinboth

toimprovethecapacityoffaultdiagnosis.

Firstly,thispaperclassifiedthehistoricaldatabyapplyingthetraditional

supportvectormachinealgorithm.Theresultsshowedthattraditionalmethodworks

wellonsimpledatasets.However,itshowedinsignificanteffectsunderacomplex

andlow-differentiabilitycondition.Insuccession,anadvancedapproachwasusedto

improvethetraditionalmethod,whichwasapproachedtoenhancetheabilityoffault

diagnosticonprocessdatatoclassify.

Inthispaper,thetraditionalsupportvectormachinealgorithmandadvanced

suppo