基于柯西分布的LS-SVM电机故障诊断.pdfVIP

第 31卷第 lO期 煤 矿 机 械 Vo】-3lNo．1O 2010年 1O月 CoalMineMachinery Oct．2010 基于柯西分布的LS—SVM电机故障诊断术 陈 明。郭西进 ，许允之 (中国矿业大学 信息与电气工程学院，江苏 徐州 221008) 摘 要：针对 LS—SVM失去了标准支持 向量机的鲁棒性和稀疏性，提出了一种基于柯西分布 的最小二乘支持向量机故障诊断的方法．根据样本误差的统计特性来确定加权参数的具体数值， 来赋予训练样本不同的权值 ，这样不仅选择 了贡献量比较大的样本，而且又顾及到 了其他样本的 一 些特性 实验结果表明．该方法具有一定的可行性和有效性。 关键词：LS—SVM：柯西分布 ；故障诊断 中图分类号：TP18；TP306 文献标志码：A 文章编号 ：1003—0794(2010)10—0238—04 M otorFaultDiagnosisBasedonLS—SVM ofCauchyDistribution CHENMing，GUOXi-jin，XUYun-zhi fSchoolofInformationandElectricalEngineering，CUMT，Xuzhou221008，China) Abstract：AsLS—SVM losestherobustnessandsparsenessofthestandardsupportvectormachine， presentsamethodofmotorfauh diagnosisbasedon theleastsquaressupport vectormachineofthe Cauchydistribution，todeterminethespecificvaluesofweightedparametersaccordingtothestatistical propertiesofthesampleerrors，togivedifferentweightsoftrainingsamples．In thisway，itmaynotonly choosethesamplesofthelargercontributions，butalsotaketheothersamples’propertiesintoaccount． Theexperimentresultsshow thatthemethodhassomefeasibilityandeffectiveness． Keywords：LS—SVM ；cauchydistribution；fauh diagnosis 0 引言 的概率密度函数为 本文提 出了一种基于柯西分布的最小二乘支 戈)= ． 1 1T a2+(x一 持向量机故障诊断的方法 ．该方法通过样本误差来 式中：一∞ ∞，一∞∞，aO，则称 服从参数为 选择贡献量 比较大的样本 ．同时又顾及到其他样本 U，a的柯西分布 ，记为X～C(u，a)。由式 (1)中可以看 的一些属性 ．再通过最小二乘支持 向量机来进行训 出来 ，如果 ，0为已知 ，则当 =“时 )= 一为最 练 ．在保证算法的精度和推广能力 的同时，可以减 。 1Ta 少训练样本的数量 大；当 偏离U的值越大，则 )为越小，同时 落