支持向量機在旋轉機械故障診斷中的應用研究.pdf

1、本文介紹了旋轉機械故障診斷的背景、發(fā)展和故障機理等基礎知識，概括了常用故障診斷的方法，著重研究了二十世紀六十年代初迅速發(fā)展的方法-支持向量機(SVM)，詳細介紹了支持向量機目前存在的六個問題：特征提取與選擇、訓練樣本的選擇、參數優(yōu)化問題、不平衡樣本問題、多分類問題、多故障問題。并就目前的解決辦法做了詳細的敘述。
　　 針對特征選擇問題根據信息熵的大小來判斷其穩(wěn)定性，首先選擇幾種故障的n種特征屬性，并建立決策表，計算信息熵，信息熵

2、最大的去掉，認為是冗余的特征。剩余的特征作為特征向量，將此特征向量輸入支持向量機(SVM)進行故障識別。并用方差的方法進行比較，方差大的說明特征不穩(wěn)定去掉，最后的仿真結果證明信息熵的方法可以實現故障的正確分類，效果良好。
　　 針對不平衡樣本的問題，引入遺傳算法，通過遺傳算法的交叉和變異來增加少類樣本來達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(SVM)進行故障識別，并與不平衡樣本時的情況進行對比，實驗表