面向旋转机械的支持向量机方法与故障模式分类研究.pdfVIP

摘要 摘要 支持向量机（Support Vector Machines, SVM）是在统计学习理论(Statistical Learning Theory，SLT)基础上发展起来的新型机器学习算法，该方法在解决小样本、 非线性及高维问题中表现出许多特有的优势。 以支持向量机理论为基础，旋转机械设备为研究对象，针对有限样本情况下旋转 机械故障诊断的特点和基于渐进性理论的传统模式识别方法在故障模式分类中面临 的一些困难，对适合旋转机械故障诊断特点的支持向量机多值分类算法、多故障分类 器模型的建立、分类器的核函数参数优化选择等几方面进行了较为深入的研究，并通 过仿真和实验研究，得到了一些有价值的结论。 提出一种更适合于旋转机械故障智能诊断的支持向量机算法，并建立多故障分类 器模型。对现有的支持向量机分类算法进行系统的比较研究，提出基于支持向量数据 描述算法和支持向量机常规多类分类算法相结合的故障诊断方法，建立多故障分类器 模型，结合