原文传递
基于直推式支持向量机的发动机故障分类方法研究
| 论文题名： | 基于直推式支持向量机的发动机故障分类方法研究 |
| 关键词： | 直推式;支持向量机;发动机故障诊断;故障分类;多维尺度分析;训练样本;诊断方法;参数估计;标签;半监督学习;学习机;分类方法;二叉树;汽车发动机;分类准确率;发动机台架;振动信号;噪声干扰;有效实现;应用过程 |
| 摘要： | 汽车发动机结构复杂，工作环境恶劣，故障率高，振动信号噪声干扰强，特征微弱，传统方法诊断的可靠性和有效性不高。为提高故障诊断的正确率，将半监督学习方法应用到发动机故障诊断中，提出了一种基于直推式支持向量机的发动机故障诊断方法。 将图论和多维尺度分析相结合，提出基于图论和多维尺度分析的特征提取方法，使提取到的故障特征在特征空间中类内距离减小，聚类效果佳，易于分类。 由于直推式支持向量机在应用过程中，需要确定无标签样本中正标签样本的个数，而该参数估计的不准确将造成学习机性能不稳定。因此本文提出一种参数估计新方法，该方法能有效地估计无标签样本中正标签样本的个数，使得学习机的分类性能稳定。结合二叉树理论，提出基于二叉树和直推式支持向量机的多分类方法，该方法能有效挖掘训练样本中蕴含的分类信息。 在发动机台架实验台上模拟发动机常见故障，并应用直推式支持向量机进行故障诊断，实验结果表明，基于直推式支持向量机的发动机故障诊断方法能有效实现故障分类，且分类准确率高。 |
| 作者： | 江典林 |
| 专业： | 车辆工程 |
| 导师： | 李巍华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华南理工大学 |
| 学位年度： | 2009 |
| 正文语种： | 中文 |
检索历史
应用推荐
