支持向量机模型优化方法及其在旋转机械智能诊断中的应用

发布时间：2017-03-21 05:04

  本文关键词：支持向量机模型优化方法及其在旋转机械智能诊断中的应用，由笔耕文化传播整理发布。

【摘要】：故障诊断通常被看做模式识别问题,支持向量机在解决小样本、非线性及高维模式识别中表现出诸多特有优势,因此它在旋转机械智能诊断领域获得广泛关注,并且成为其中一项重要技术。特征选择和参数选择是支持向量机模型优化方法中的两个重要方面,它们是保障支持向量机在旋转机械智能诊断中成功应用的关键技术。特征选择技术旨在保留有效特征并去除冗余特征以提高模型的执行效率和鲁棒性,参数选择技术则用于选择最优参数提高模型泛化能力。本文围绕支持向量机模型优化方法及其在旋转机械智能诊断中的应用开展研究,主要创新和工作如下:(1)针对如何高效且准确地评价非线性特征的问题,提出了一种基于多维统计量类分离度的特征评价准则,并在此基础上提出了一种基于多评价准则融合的特征选择算法。该算法具有识别非线性特征的能力,并且从有效性和相关性两方面出发,对特征进行全面综合评价,避免了单一特征评价准则的局限性。实验结果表明,该算法能够准确识别故障敏感特征,降低特征集的冗余度和模型复杂度,提高支持向量机的分类准确率。(2)针对如何改进支持向量机参数的搜索范围以降低评价准则迭代过程带来的高计算复杂度和提高搜索算法的收敛速度的问题,提出了一种基于“好区”识别模型的参数选择算法,对优秀参数与不良参数区域之间的不规则边界进行估计,进而在不涉及支持向量机模型训练的条件下,判断相应参数的性能。实验结果表明,结合网格搜索算法,本算法能够准确识别非矩形“好区”,减少参数选择的搜索范围,提高支持向量分类器参数选择的计算效率。(3)以滚动轴承为研究对象,对内圈故障、外圈故障、滚珠故障和三者复合故障类型进行试验设计、数据采集与特征提取,建立基于支持向量机的智能诊断模型,并且利用本文提出的特征选择与参数选择模型优化方法对滚动轴承智能诊断模型进行优化。实验结果表明,本文提出的支持向量机优化方法能够减少优化时间,提高智能诊断模型的分类准确率。
【关键词】：支持向量机 特征选择 参数选择 旋转机械 智能诊断
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3;TP18
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 研究目的及意义10-11
• 1.2 国内外研究现状11-13
• 1.3 论文组织结构13-16
• 第二章 支持向量分类器的基本理论16-26
• 2.1 支持向量机的研究现状16
• 2.2 统计学习理论16-20
• 2.2.1 学习模型16-17
• 2.2.2 经验风险最小化理论17
• 2.2.3 学习一致性理论17-18
• 2.2.4 VC维18
• 2.2.5 推广误差边界18-19
• 2.2.6 结构风险最小化理论19-20
• 2.3 支持向量分类器20-25
• 2.3.1 最优分类面20-23
• 2.3.2 广义最优分类面23
• 2.3.3 高维空间最优分类面23-24
• 2.3.4 C-支持向量分类器24-25
• 2.4 多类支持向量分类器25
• 2.5 本章小结25-26
• 第三章 支持向量分类器的模型优化方法——特征选择26-45
• 3.1 引言26-27
• 3.2 特征选择综述27-29
• 3.3 基于多维统计量类分离度的特征评价准则29-36
• 3.3.1 算法设计30-33
• 3.3.2 算法验证33-36
• 3.4 基于多评价准则融合的特征选择算法36-43
• 3.4.1 算法设计36-39
• 3.4.2 算法验证39-43
• 3.5 本章小结43-45
• 第四章 支持向量分类器的模型优化方法——参数选择45-56
• 4.1 引言45-46
• 4.2 参数选择综述46-48
• 4.3 基于“好区”识别模型的参数选择算法48-55
• 4.3.1 算法设计49-51
• 4.3.2 算法验证51-55
• 4.4 本章小结55-56
• 第五章 基于支持向量分类器的滚动轴承智能故障诊断方法56-77
• 5.1 故障实验与数据采集56-60
• 5.2 支持向量机模型优化方法在滚动轴承智能诊断中的应用60-75
• 5.2.1 特征提取61-66
• 5.2.2 特征选择66-69
• 5.2.3 参数选择69-75
• 5.3 本章小结75-77
• 第六章 结论和展望77-79
• 6.1 工作总结77-78
• 6.2 工作展望78-79
• 致谢79-80
• 参考文献80-86
• 攻硕期间取得的研究成果86-87

【参考文献】

中国期刊全文数据库 前2条

1 张昊;陶然;李志勇;杜华;;基于自适应模拟退火遗传算法的特征选择方法[J];兵工学报;2009年01期

2 张冰凌;许英姿;潘全文;;智能故障诊断方法的研究和展望[J];飞机设计;2007年05期

  本文关键词：支持向量机模型优化方法及其在旋转机械智能诊断中的应用，，由笔耕文化传播整理发布。

本文编号：259052