基于支持向量機(jī)的復(fù)雜工業(yè)系統(tǒng)典型非正常工況分類問題研究.pdf

1、現(xiàn)如今，依托于各領(lǐng)域科技的快速發(fā)展，多項(xiàng)工業(yè)難題逐漸被攻破，越來越多的先進(jìn)技術(shù)應(yīng)用于實(shí)際的工業(yè)生產(chǎn)之中。工業(yè)過程逐漸朝著信息化的方向邁進(jìn)。在實(shí)際的工業(yè)生產(chǎn)過程中，通過各個(gè)測量環(huán)節(jié)的加入與大量傳感器元件的應(yīng)用，代表著生產(chǎn)過程狀態(tài)的大量數(shù)據(jù)由此產(chǎn)生。當(dāng)系統(tǒng)的某一環(huán)節(jié)出現(xiàn)非正常工況時(shí)，相應(yīng)環(huán)節(jié)的測量數(shù)據(jù)也會(huì)有所體現(xiàn)。由于傳統(tǒng)的系統(tǒng)機(jī)理建模方法面對(duì)越發(fā)復(fù)雜的實(shí)際過程來說變得更加困難，所以如何基于數(shù)據(jù)驅(qū)動(dòng)的方法解決工業(yè)過程中的故障診斷問題并提升經(jīng)

2、濟(jì)效益逐漸被學(xué)術(shù)界以及工業(yè)界所關(guān)注。因此，面對(duì)大數(shù)據(jù)量的工業(yè)生產(chǎn)過程，利用支持向量機(jī)的方法對(duì)于復(fù)雜非線性過程的典型非正常工況的分類問題進(jìn)行研究具有重要的理論以及現(xiàn)實(shí)意義。
　　本文分析了支持向量機(jī)的背景理論，推導(dǎo)演繹了其建模方法。針對(duì)大數(shù)據(jù)量的復(fù)雜非線性工業(yè)過程，首先設(shè)計(jì)了循環(huán)特征選擇算法對(duì)于基本的支持向量機(jī)模型進(jìn)行改造。其次根據(jù)主成分分析法，對(duì)于支持向量機(jī)建模的特征選擇過程進(jìn)行改善。利用實(shí)際的工業(yè)過程數(shù)據(jù)，分別利用三種支持向量機(jī)

3、模型進(jìn)行故障診斷，并對(duì)于各個(gè)模型的結(jié)果進(jìn)行討論分析。結(jié)果表明，經(jīng)過循環(huán)特征選擇法改進(jìn)的支持向量機(jī)模型表現(xiàn)出優(yōu)異的性能。針對(duì)故障檢測問題，利用支持向量機(jī)和主成分分析的兩個(gè)統(tǒng)計(jì)量指標(biāo)，結(jié)合由循環(huán)特征選擇法算法挑選出的最相關(guān)變量對(duì)于典型的非正常工況進(jìn)行了非常有效的故障分析和檢測。對(duì)于支持向量機(jī)解決回歸問題，進(jìn)行了深入的研究。結(jié)合實(shí)際的非線性經(jīng)濟(jì)數(shù)據(jù)，利用支持向量機(jī)回歸算法和最小二乘支持向量機(jī)算法建立模型，根據(jù)相關(guān)的特征變量對(duì)于關(guān)鍵的經(jīng)濟(jì)學(xué)指標(biāo)