基于关联向量机的气动执行器故障诊断算法研究

发布时间：2017-12-23 19:02

  本文关键词：基于关联向量机的气动执行器故障诊断算法研究　出处：《沈阳航空航天大学》2015年硕士论文　论文类型：学位论文

  更多相关文章： 自确认气动执行器 故障诊断 关联向量机回归 关联向量机多分类 支持向量机

【摘要】：执行器作为工业生产的执行终端，直接关系到生产过程的安全性与可靠性，一旦执行器发生故障，将给生产过程带来巨大损失。气动执行器由于其结构简单、维护方便、无污染等特点优于液动执行器和电动执行器，被广泛应用于工业生产等自动化领域中。自确认气动执行器不仅能够实现故障的自检测和自诊断，而且可以给出表征自身实时工作状态的参数，，为了解决自确认气动执行器的故障自诊断问题，本文提出了一种基于关联向量(RVM)多回归和关联向量多分类机的自确认气动执行器故障诊断算法。该方法利用关联向量机多回归建立气动执行器的执行机构模型，将模型输出与实际输出比较，生成残差，并把此残差作为气动执行器的非线性故障特征向量。采用聚类方法构建了关联向量多分类机结构，把残差作为输入训练关联向量多分类机，诊断气动执行器故障类型。仿真数据来源于DABLib(Matlab-Simlink执行器模型库)仿真生成的数据，实际数据来源于卢布林糖厂的工业数据。为了验证所研究方法的有效性，将基于关联向量机的一对一（OAO）分类、一对多（OAA）分类和二叉树分类三种方法进行比较，将基于关联向量机的气动执行器故障诊断方法和基于支持向量机的气动执行器故障诊断方法进行比较。结果表明基于RVM的气动执行器故障诊断克服了SVM选择核函数时受Mercer定理限制和样本增加时支持向量也随之增加，导致稀疏性变差等缺点，解决了执行器中的小样本、非线性问题。
【学位授予单位】：沈阳航空航天大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP18;TH165.3

【参考文献】

相关期刊论文 前10条

1 王立昆;杨新锋;;一种基于RVM回归的分类方法[J];电子科技;2011年05期

2 冯志刚;张学娟;;基于LS-SVM和SVM的气动执行器故障诊断方法[J];传感技术学报;2013年11期

3 朱宁;冯志刚;王祁;;基于KPCA和SVM的火箭发动机试验台故障诊断方法[J];哈尔滨工业大学学报;2009年03期

4 谢宏;何怡刚;彭敏放;张波;;离散Hopfield神经网络在混烧控制系统故障诊断中的应用[J];湖南大学学报(自然科学版);2007年03期

5 杜健辉;石永华;王国荣;黄国兴;;基于PCA_RVM的焊缝偏差识别[J];华南理工大学学报(自然科学版);2010年12期

6 邱浩,王道波,张焕春;控制系统的故障诊断方法综述[J];航天控制;2004年02期

7 李颖新,阮晓钢;基于支持向量机的肿瘤分类特征基因选取[J];计算机研究与发展;2005年10期

8 林开标;王周敬;;基于支持向量机的传真收件人识别方法[J];计算机工程与应用;2006年07期

9 谢赛琴;沈福明;邱雪娜;;基于支持向量机的人脸识别方法[J];计算机工程;2009年16期

10 刘晓亮;丁世飞;朱红;张力文;;SVM用于文本分类的适用性[J];计算机工程与科学;2010年06期

相关博士学位论文 前2条

1 冯志刚;自确认压力传感器的研究[D];哈尔滨工业大学;2009年

2 申争光;自确认多功能传感器的关键技术研究[D];哈尔滨工业大学;2013年

本文编号：1325084