SVM模式识别技术及在机械故障诊断中的应用进展VIP免费

第29卷第3期209年6月桂林电子科技大学学报JournalofGuilinUniversityofElectronicTechnologyVoI．29。NO．3Jun．2009SVM模式识别技术及在机械故障诊断中的应用进展王长林，陈鸿宝，林玮，秦启茂，宋宜梅(1．桂林电子科技大学机电工程学院，广西桂林541004；2．广西右江矿务局，广西田东531501)摘要：支持向量机(SuportVectorMachines，SVM)是一种基于统计学习理论的新型机器学习方法，对小样本决策具有较好的学习推广性。为在机械故障诊断中更好地运用该方法，从基于支持向量机理论的模式识别技术和机械故障诊断中应用两方面，综述了近年来支持向量机国内外研究应用现状，分析了技术特点、存在问题、解决方案及其在机械工程领域应用前景。关键词：支持向量机；机器学习；模式识别；故障诊断中图分类号：TH17文献标识码：A文章编号：1673808X(2009)03—0256—04PatternRecognitionBasedonSupportVectorMachineandItsApplicationinFaultDiagnosisWANGChang—Iin，CHENHong—bao，LINWei。，QINGQi—mao，SONGYi—mei(1．SchoolofMechanicalandElectricalEngineering·GuilinUniversityofElectronicTechnology，Guilin541004，ChinaI2．GuangxiYouiangBureauofMines，Tiandong531501，China)Abstract：Supportvectormachine(SVM)isanewgeneralmachinelearningmethodbasedontheStatisticalLearn—ingTheory．Itexhibitsgoodgeneralizationcharacteristicswhenfaultsamplesarefew．Therecentdevelopmentsofsupportvectormachinearereviewedandsomenewprogresesinfaultdiagnosisareintroduced．Somekeytech—niques，unsolvedproblems，andtheprospectofengineeringapplicationsarediscussedindetail．Keywords：supportvectormachine；machinelearning；paternrecognition；faultdiagnosis1机械设备的故障诊断技术机械设备故障诊断技术是现代化生产发展的产物，已成为保证生产系统安全稳定运行和提高产品质量的重要手段和关键技术。故障诊断技术研究的关键问题在于信号获取、模式分类及判别决策，而故障的模式分类则是故障诊断过程的核心所在。从本质上而言，机械设备故障诊断的过程也是个故障模式识别的过程，模式识别系统主要包括4个部分[1]，如图1所示。目前，人工神经网络智能诊断技术是比较常用的故障模式分类方法之一，在故障诊断领域得到了较多的研究和应用。然而，人工神经网络的算法基础为传统统计学理论，具有一些不可克服的缺点和不足，最图1模式识别系统的基本构成框图直接的问题就是推广泛化能力不足，需要大量的训练样本，并且存在学习问题。工程实际中的机械故障诊断问题，尤其是大型机械设备，获取大量的典型故障样本非常困难。因此，在机械故障诊断中处理的一般是小样本问题，在样本的数量上和质量上都不能满足收稿日期：2008—12—01基金项目；国家自然科学基金(50805028)；广西自然科学青年基金(0832082)作者简介：王长林(1983一)，男，江苏盐城人，硕士研究生，主要研究方向为机械设备故障智能诊断技术。E—mail：xiaowang6509@163．corn第3期王长林等：SVM模式识别技术及在机械故障诊断中的应用进展257像神经网络等现有的故障诊断方法对学习样本的要求，从而限制了这些理论上很优秀的算法的实际应用效果。因此选择一种具有良好的推广泛化能力，适合小样本情况的学习机器进行机械故障诊断非常关键。支持向量机突出优点是推广泛化能力强、适合于小样本问题求解，目前已经成为机械故障诊断的前沿研究方向。本文系统地阐述了支持向量机的模式识别技术及在机械故障诊断中的应用现状。2基于SVM理论的模式识别技术研究进展早在1963年Vapnik博士在解决模式识别问题上提出的支持向量机方法，是指从训练集中选择一组特征子集，使得对特征子集的划分等价于对整个数据集的划分，这组特征子集被称为支持向量(SupportVector—SV)[。≈]。1971年，Kimeldorf博士提出了支持向量机的一个重要理论基础一VC维理论。1982年，Grace，Boser和Vapnik博士等人进一步提出了具有划时代意义的结构风险最小化原理。其后，支持向量机理论研究停滞不前，直到1995年，Vapnik博士正式提出统计学习理...