支持向量机决策树算法研究及其应用

发布时间：2017-05-17 11:21

  本文关键词：支持向量机决策树算法研究及其应用，，由笔耕文化传播整理发布。

【摘要】： 随着科学技术的飞速发展和市场竞争的日益激烈,工业生产表现出大型化、分布化、高速化、自动化和复杂化等特点。由于这些大型系统一般都是作为能源、石化、冶金以及其他国民经济支柱产业中的关键设备,一旦发生故障,轻则降低生产效率,重则设备停机、生产停顿,有时甚至产生机毁人亡的恶性事故,造成灾难性的后果。与此同时面对激烈的市场竞争,降低故障停机时间,延长设备生命周期也是目前每个企业的立业之本。所以,有计划、有组织、有针对地对关键设备进行实时监测与诊断,做到尽早地发现设备在运行过程中的各种隐患,从而防止灾难性事故的发生,成为机械设备故障诊断系统面临和解决的首要问题。 智能诊断技术代表了诊断技术的发展方向,同时其发展与人工智能技术的发展密切相关,为故障诊断的智能化提供了可能性。但是传统的基于经验风险最小的人工智能方法在故障数据难以获取,样本数有限的情况下,训练效果往往表现出很差的推广能力。这直接制约着诊断方法的实用化推广。本文是采用基于结构风险最小化的支持向量机,它针对小样本情况下所表现出来的优良性能引起了众多故障诊断领域研究人员的关注。支持向量机应用于故障诊断最大的优势在于它适合于小样本决策,其学习方法的本质在于能够在有限特征信息情况下,最大限度地发觉数据中隐含的分类知识。从推广性的角度来看,更适合于故障诊断这种实际的工程问题。 本论文在国家自然科学基金重点项目:“大型复杂机电系统早期故障智能预示的理论与技术”的资助下开展的研究的,主要的研究工作包括以下几个方面: (1)在Bently转子实验台进行机器状态模拟,模拟的状态包括:正常、不平衡、径向碰磨,采集机器状态振动信号。并对获取的原始状态数据数据进行数据预处理,时域和频域的特征提取,以便利用获取数据对诊
【关键词】：故障诊断 支持向量机 序贯最小最优化算法(SMO) 支持向量机决策树算法 DCOM ActiveX
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：C934
【目录】：

• 摘要3-5
• Abstract5-9
• 第一章 绪论9-18
• 1.1 课题概述9-10
• 1.2 课题背景10-15
• 1.3 本文的主要研究工作15-18
• 第二章 支持向量机与模式识别18-28
• 2.1 引言18
• 2.2 统计学习理论基础18-20
• 2.3 支持向量机理论20-25
• 2.4 模式识别25-27
• 2.5 本章小结27-28
• 第三章 支持向量机决策树算法及其在故障模式识别中的应用28-52
• 3.1 引言28
• 3.2 支持向量机的流行多类模式识别算法28-31
• 3.3 支持向量机决策树（SVM-DECISION TREE, SVMDT) 算法31-38
• 3.4 常见旋转机械振动故障模式38-42
• 3.5 实验42-46
• 3.6 实验分析46-50
• 3.7 本章小结50-52
• 第四章 支持向量机训练算法实现52-70
• 4.1 引言52
• 4.2 支持向量机训练算法52-60
• 4.3 序列最小最优化算法的设计60-63
• 4.4 序列最小最优化算法的实现63-66
• 4.5 序列最小最优化算法的实现的验证66-67
• 4.6 本章小结67-70
• 第五章 基于支持向量机的故障诊断子系统设计与实现70-96
• 5.1 远程状态监测与故障诊断系统简介70-75
• 5.2 基于支持向量机的故障诊断子系统设计75-78
• 5.3 基于支持向量机的故障诊断子系统开发78-89
• 5.4 基于支持向量机的故障诊断子系统实现89-95
• 5.5 本章小结95-96
• 第六章 总结与展望96-98
• 6.1 本文总结96-97
• 6.2 展望97-98
• 参考文献98-103
• 致谢103-104
• 攻读硕士学位期间发表的论文104
• 攻读硕士学位期间参与的科研项目104-106

【引证文献】

中国硕士学位论文全文数据库 前6条

1 关玉萍;基于视频的驾驶员疲劳检测技术的研究[D];哈尔滨理工大学;2010年

2 刘丽君;基于支持向量机和免疫算法的故障检测与诊断[D];华东理工大学;2011年

3 张清;基于模糊支持向量机的变压器远程故障诊断研究[D];北京交通大学;2011年

4 刘炜根;电机故障在线诊断系统的研究与实现[D];长春工业大学;2011年

5 穆艳峥;基于模糊隶属度去噪声的决策树支持向量[D];河北大学;2010年

6 周东明;基于核函数的HRRP目标识别算法研究[D];电子科技大学;2012年

  本文关键词：支持向量机决策树算法研究及其应用，由笔耕文化传播整理发布。

本文编号：373292