支持向量機(jī)在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究.pdf

1、本文介紹了旋轉(zhuǎn)機(jī)械故障診斷的背景、發(fā)展和故障機(jī)理等基礎(chǔ)知識(shí)，概括了常用故障診斷的方法，著重研究了二十世紀(jì)六十年代初迅速發(fā)展的方法-支持向量機(jī)(SVM)，詳細(xì)介紹了支持向量機(jī)目前存在的六個(gè)問(wèn)題：特征提取與選擇、訓(xùn)練樣本的選擇、參數(shù)優(yōu)化問(wèn)題、不平衡樣本問(wèn)題、多分類問(wèn)題、多故障問(wèn)題。并就目前的解決辦法做了詳細(xì)的敘述。
　　 針對(duì)特征選擇問(wèn)題根據(jù)信息熵的大小來(lái)判斷其穩(wěn)定性，首先選擇幾種故障的n種特征屬性，并建立決策表，計(jì)算信息熵，信息熵

2、最大的去掉，認(rèn)為是冗余的特征。剩余的特征作為特征向量，將此特征向量輸入支持向量機(jī)(SVM)進(jìn)行故障識(shí)別。并用方差的方法進(jìn)行比較，方差大的說(shuō)明特征不穩(wěn)定去掉，最后的仿真結(jié)果證明信息熵的方法可以實(shí)現(xiàn)故障的正確分類，效果良好。
　　 針對(duì)不平衡樣本的問(wèn)題，引入遺傳算法，通過(guò)遺傳算法的交叉和變異來(lái)增加少類樣本來(lái)達(dá)到和多類樣本平衡的目的，并選取幾種屬性作為特征向量輸入支持向量機(jī)(SVM)進(jìn)行故障識(shí)別，并與不平衡樣本時(shí)的情況進(jìn)行對(duì)比，實(shí)驗(yàn)表