基于核算法故障智能诊断理论及方法及研究.docVIP

基于核算法的故障智能诊断理论及方法研究 摘 要 设备故障诊断与监测技术是一门正在不断发展和完善的新技术，它具有保障安全生 产，防止突发事故，节约维修费用等特点，在现代化大生产中发挥着重要的作用。然而 正是因为生产设备结构日趋复杂及内部关系日益密切，造成了设备运行状态监测和故障 诊断的难度不断增大，迫使人们需要不断探索新的理论或方法来解决实际中所遇到的问 题。自20世纪60年代以来，以Vapnik为代表的研究人员致力于统计学习理论的研究，并 在此基础上创建出一类新的机器学习算法：支持向量机(Support Vector Machine，SVM)。 正是核函数在SVM的成功应用，基于核函数的学习方法(简称核算法)的研究受到重视。 将核算法应用到故障诊断中有望解决其中的非线性、不精确性和不确定性等问题，为该 领域的研究提供了全新且可行的研究途径。基于核算法的故障智能诊断技术，在国际上 都属于一个全新的研究领域，这一方法在实际应用中还有许多问题值得进行深入的研究 和探讨。 本论文围绕核算法在故障智能诊断中的应用，对故障诊断中不确定信息的处理、故 障诊断实时性的实现、核函数的选择和参数优化、多类故障诊断、早期故障的发现以及 样本数据的压缩等几个方面进行了较为系统深入的研究，为核算法应用于故障诊断提供 了理论依据，促进了故障诊断技术的发展。论文的主要工作及创新之处为： 针对故障诊断中两类误判造