基于FSVM的抽油泵示功图识别方法.pdfVIP

维普资讯 2004年 第 33卷 石 油 矿 场 机 械 第 4期 第 46页 OIL FIELD EQUIPMENT 文 章编 号 ：1O01-3482(2004)04-0046-03 基于 FSVM 的抽油泵示功图识别方法 时文刚 ，戴静君 ，王 永 (1．北京石油化工学院 机械工程学院，北京 102617；2．大庆石油管理局 ，黑龙江 大庆 163255) 摘要 ：针对常规支持向量机多值分类器中存在的不可分类区域问题，引入模糊数学中的模糊隶属度函数，提出了 一 种 改进的多值 SVM 分类器。即模糊支持向~ (FSVM)的模型，并将其用-I- ~泵多种典型故障示功图的模式 分类。实验表明，与常规SVM 分类器相比，改进的SVM 分类器具有更好的模式分类能力和推广能力。 关键词 ：支持向量机；模式识 0；抽油泵；示功图 中图分类号 ：TE933．301 文献标识码 ：B FSVM basedrecognitionapproach fordownholepumpdynamometercards SHIWen—gang 。DAIJing—jun ，WANG Yong (1．DepartmentofMechanicalEngineering，BeijingInstituteofPetro—ChemicalTechnology·Beijing102617，China； 2．DaqingPetroleum Administration，Daqing 163255，China) Abstract：Onthebasisoffuzzymembershipfunction infuzzytheory，animprovedSVM multi—classifier，a FuzzySupportVectorM achine，ispresentedtosolvetheunclassifiedfieldproblem inregularsupportvec— tormachinemulti—classifiers．Furthermore，itisusedto classify downholepumpdynamometercardsof sometypicalfaults．TheexperimentresultshowsthattheimprovedFSVM classifierhasbetterclassifica— tionandgeneralizationabilitycomparedwith theregularSVM classifier． Keywords：supportvectormachine；patternrecognition；downholepump；dynamometercard 支持 向量机 (SupportVectorMachine简称 平面发展而来的 ，其原形是二元分类器[1]，将 SVM SVM)是在 Vapnik等人提出的有限样本统计学习 应用于故障诊断这样的多元分类 问题时，则可 以由 理论基础上发展起来的一种新方法L1]，它较好地解 二元 SVM来构造多元分类器。常用方法是将一个 决了小样本、高维数和非线性等 问题 ，并且克服了人 元分类 问题转变为 n个二元分类 问题 ，即第 个 工神经网络法中合理结构难 以确定和存在局部最优 二类问题对应将第 i类与其余类分开，则第 个决 点等缺陷，从而大大提高了学 习方法的推广能力 。 策函数记为 目前 ，支持 向量机 在手写体 数字 识别[2]、人脸 检 D ()一w?x+bf， (1) 测[3]、故障诊断[4等模式识别问题 中已经得到应用 ， 式中，W为分界超平面的法向量，b为标量，X为输入 取得 了较好 的效果 。 向量，D ()=0的超平面就是最优超平面，属于第 本文针对常规SVM 多值分类器中存在的不可 类的支持向量满足D。()一1