基于支持向量機的機械故障模式分類研究.pdf

1、機械故障診斷本質(zhì)上是一個模式分類問題。支持向量機由于解決分類問題有著優(yōu)良的表現(xiàn)，得到日益廣泛的應(yīng)用。本論文針對三種現(xiàn)實分類問題：兩類分類、單值分類和多類分類問題，基于支持向量機分類理論，結(jié)合工程實際項目對機械模式分類方法進行了研究。 論文首先介紹了機械故障診斷的歷史、意義及研究現(xiàn)狀，分析了現(xiàn)有故障診斷理論方法的優(yōu)點及不足之處。接著，就機械故障診斷的應(yīng)用背景──汽車檢測領(lǐng)域作了敘述和總結(jié)，描述了汽車總成關(guān)鍵部件驅(qū)動橋試驗臺的開發(fā)現(xiàn)

2、狀。討論了支持向量機（SVM）理論研究方法及其國內(nèi)外的應(yīng)用研究現(xiàn)狀，對于故障模式分類問題，SVM也有相應(yīng)理論和應(yīng)用研究。論文針對解決三種機械故障模式分類的問題，提出了一個基于SVM理論的的故障診斷架構(gòu)。最后，給出了本論文的主要研究內(nèi)容。 第二章介紹了支持向量機的基本理論和算法?；仡櫫酥С窒蛄繖C的理論基礎(chǔ)──統(tǒng)計學(xué)習(xí)理論和機器學(xué)習(xí)，討論了統(tǒng)計學(xué)習(xí)理論的結(jié)構(gòu)和需要進一步研究的領(lǐng)域，在此基礎(chǔ)上引出支持向量機。分析了支持向量機分類理論的

3、原理和算法，簡略的介紹了基于支持向量機的兩類、單值和多類分類算法，為后續(xù)章節(jié)解決實際問題作一個理論鋪墊。 第三章對驅(qū)動橋故障診斷的兩類分類問題進行了研究。由于故障診斷包含特征提取和診斷決策過程，根據(jù)驅(qū)動橋疲勞試驗表現(xiàn)出的故障非線性特征，提出用核主元分析的方法首先對試驗過程中采集到的正常和故障樣本進行核主元特征提取，作為支持向量機的輸入向量。結(jié)合核主元和支持向量機共同具有的核函數(shù)特點，提出層次向量機故障診斷方法，采用遺傳算法優(yōu)化層

4、次向量機的核函數(shù)參數(shù)及和折衷參數(shù)，對驅(qū)動橋疲勞試驗的正常和裂紋故障作了識別診斷，得到較滿意結(jié)果。 第四章針對汽車驅(qū)動橋異響的診斷缺乏足夠故障樣本的問題，提出基于支持向量數(shù)據(jù)描述算法進行診斷。分別利用時域和頻域指標(biāo)作為支持向量數(shù)據(jù)描述分類器的輸入特征向量。時域方法采用多個時域統(tǒng)計指標(biāo)，然后用主元進行特征提取。頻域方法根據(jù)正常和異響信號的能量不均衡，采用譜熵提取頻域指標(biāo)。兩種特征提取的方法結(jié)合支持向量數(shù)據(jù)描述分類器對汽車驅(qū)動橋的異響

5、診斷都取得 了很好的精度，對比其他單值分類法，支持向量數(shù)據(jù)描述算法異響識別更為有效。 第五章結(jié)合轉(zhuǎn)子試驗臺對基于支持向量機的多分類故障診斷方法進行了研究。采用9頻段幅值譜作為分類器的特征輸入，比較了現(xiàn)有常用的幾種支持向量機多分類方法：“一對一”法，“一對多”法和導(dǎo)向無環(huán)圖法，利用交叉驗證法搜索支持向量機最優(yōu)參數(shù)。試驗結(jié)果表明導(dǎo)向無環(huán)圖法的耗時短，分類精度更高，更適合應(yīng)用于機械多分類故障診斷研究。 第六章介紹了支持向