改进支持向量机在故障诊断中的应用 [复制链接]

资料简介：
硕士学位论文 改进支持向量机在故障诊断中的应用，共63页。
摘要
工业过程中,保持运行过程的安全性和可靠性是很重要的,所以故障诊断技术在工业过程中的应用越来越多。本文介绍了一些故障诊断方法和TE过程模型,然后介绍了PCA方法及其在TE过程故障诊断中的应用。PCA是一种线性方法,应用于复杂的TE过程,其效果并不令人满意。支持向量机(SVM)方法作为本质非线性的算法,在TE过程故障诊断中的应用能取得较好的效果,但它仍有需要改进的地方。
本文的重点是把改进 SVM方法用于TE过程 故障诊断中。SVM作为热门的机器学习方法,其核函数的选定和参数的选取并没有统一的标准,一般通过经验法和实验法得到。不同的核函数有不同的性质,为了兼顾算法的学习能力和泛化能力,本文把多项式核函数和径向基核函数的加权和作为SVM的核函数。至于参数值的选取则通过粒子群优化(PSO)得到。最后把这种改进的SVM算法运用在TE过程故障诊断的仿真中,结果表明这种故障诊断方法比PCA方法性能好很多,也比原SVM方法性能有所提高,达到了预期的效果。
关键词:故障诊断;TE过程;SVM;混合核函数;PSO

目录
第1章绪论    1
1.1课题研宄背景与意义    1
1.2故障诊断技术概述    2
1.2.1故障及故障诊断的概念    2
1.2.2基于解析模型的故障诊断方法    3
1.2.3基于解析模型的故障诊断方法    5
1.2.4基于解知识的故障诊断方法    6
1.3基于支持向量机的故障诊断方法    7
1.4论文主要研宄内容    8
第 2 章 Tennessee Eastman 过程    10
2.1弓丨言    10
2.2    TE过程的工艺流程    10
2.3    TE过程变量    12
2.4    TE过程故障    14
2.5    TE过程仿真    15
2.6    TE过程数据    18
2.7    ^    18
第3章基于PCA的TE过程故障诊断    19
3.1弓丨胃    19
3.2    PCA 算法    19
3.2.1    PCA算法原理    19
3.2.2    降阶方法    21
3.2.4故障识别和诊断    23
3.3    PCA算法改进和应用    23
3.4    PCA及其改进算法在TE过程故障诊断中的应用    25
第4章基于支持向量机的故障诊断方法    27
4.1弓丨胃    27
4.2统计学习理论    27
4.2.1学习问题的模型    27
4.2.2 函数集的VC维    28
4.2.3经验风险和结构风险    28
4.3 支持向嫩机    30
4.3.1    线性支持向栻机    31
4.3.2    非线性支持向賴:机    34
4.3.3    多类分类    35
4.4支持向^机在TE过程故障诊断屮的戍用    37
4.5 他    38
第5章改进SVM的TE过程故障诊断    39
5.1 引丨1f    39
5.2混合核确数    39
5.3 粒了?群优化SVM参数    40
5.4基J-混合核闲数的PSO-SVM    41
5.5    m [混合核蚋数的PSO-SVM /± TE过秤故陴沴断屮的〗、V:用    44
5.5.1巾□故陣分类    44
5.5.2 多故陴分类    46
第6章结论    49
参考文献    50

资料文件预览：
共1文件夹，1个文件，文件总大小：5.03MB，压缩后大小：4.38MB

• 改进支持向量机在故障诊断中的应用
• 改进支持向量机在故障诊断中的应用_刘春卫.caj  [5.03MB]