学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的故障诊断问题研究

作　者: 齐元俊
导　师: 任伟建
学　校: 东北石油大学
专　业: 油气信息与控制工程
关键词: 支持向量机故障诊断自适应核函数混合核函数多类分类
分类号: TP18
类　型: 硕士论文
年　份: 2011年
下　载: 94次
引　用: 0次
阅　读: 论文下载

内容摘要

支持向量机借助于最优化方法解决机器学习中的问题,在解决少样本数据集以及非线性问题上有独特优势,适用于解决抽油机故障这种少样本问题。本文将支持向量机方法应用于油田抽油机故障诊断。具体完成了以下工作:对智能故障诊断常用方法和局限做了详细分析和研究,并深入探讨了抽油机故障这一少样本问题的常用解决办法。研究了支持向量分类机,就多类分类问题进行探讨,重点分析了“一对一方法”和“一对余方法”。对核函数进行了改进,一是采用自适应核函数,利用样本数据对原核函数进行修正,得到相应的核函数,在一定程度上提高了正确率和分类速度,减少了支持向量的数量;二是提出一种基于改进的Gauss核函数的混合核函数,该核函数兼具单一Gauss核函数和多项式核函数的性能,具备全局性核函数学习能力强和泛化能力强的双重优点。将支持向量机应用于油田抽油机故障诊断,并对诊断结果进行比较,讨论相关参数对诊断结果的影响。

全文目录

摘要  4-5
ABSTRACT  5-6
创新点摘要  6-9
第一章绪论  9-14
  1.1 课题选题目的、意义  9-10
  1.2 故障诊断的意义及其研究现状  10-11
  1.3 支持向量机国内外研究现状  11-12
  1.4 论文的主要研究内容  12
  1.5 论文的安排  12-14
第二章故障诊断方法研究及分析  14-21
  2.1 故障智能诊断方法  14-17
  2.2 故障诊断中存在的主要问题  17
  2.3 抽油机故障诊断方法  17-20
    2.3.1 抽油机常见故障  17-18
    2.3.2 常用的抽油机故障诊断方法  18-19
    2.3.3 抽油机故障诊断方法的发展方向  19-20
  2.4 本章小结  20-21
第三章支持向量机基本理论  21-34
  3.1 机器学习的基本模型  21
  3.2 支持向量机基本思想  21-24
  3.3 支持向量机的主要算法  24-26
    3.3.1 C-SVM 算法  25
    3.3.2 BSVM 算法  25
    3.3.3 v-SVM 算法  25-26
    3.3.4 LS-SVM 算法  26
  3.4 支持向量分类机  26-29
    3.4.1 支持向量两类分类问题  26-27
    3.4.2 C-SVC 算法与v-SVC 算法及分析  27-29
  3.5 支持向量机多类分类问题  29-32
    3.5.1 多类分类问题的直接方法  29-30
    3.5.2 多类分类问题的扩展方法  30-32
  3.6 本章小结  32-34
第四章核函数分析及改进  34-43
  4.1 核函数及其性质  34-35
    4.1.1 核函数的定义  34
    4.1.2 核函数的基本性质  34-35
    4.1.3 核函数的特点  35
  4.2 几类重要的核函数  35-40
    4.2.1 全局性核函数  36-37
    4.2.2 局部性核函数  37-39
    4.2.3 核函数及参数的选择  39-40
  4.3 自适应核函数  40-41
  4.4 基于一种改进的Gauss 核函数的混合核函数  41-42
  4.5 本章小结  42-43
第五章支持向量机在故障诊断问题中的应用研究  43-49
  5.1 数据采集及故障特征的提取  43-45
  5.2 基于支持向量机的抽油机故障诊断  45-47
    5.2.1 C-SVC 的仿真实验  45-46
    5.2.2 v-SVC 的仿真实验  46-47
    5.2.3 多类分类的仿真实验  47
  5.3 诊断结果对比分析  47-48
  5.4 本章小结  48-49
结论  49-51
参考文献  51-54
发表文章目录  54-55
致谢  55-56
详细摘要  56-62

基于支持向量机的故障诊断问题研究

内容摘要

全文目录

相似论文