详情

原文传递模拟电路故障诊断Adaboost集成学习方法研究

论文题名：	模拟电路故障诊断Adaboost集成学习方法研究
关键词：	模拟电路;故障诊断;集成学习算法;支持向量机;船用柴油机;油耗仪表
摘要：	课题来源于重庆市交通委员会所立项目“三峡库区运输船舶节能实用技术研究”，研发船用柴油机油耗仪表。　　对于现代电子系统，模拟电路日益复杂，出现故障的可能性也随之增大，对模拟电路的故障诊断也越加困难。若船用仪表的模拟电路出现故障，会影响船用仪表测量的准确性和运行的稳定性，而导致仪表故障。为了增加船用柴油机油耗仪表测量的准确性和运行的稳定性，在研发船用柴油机油耗仪表的同时，开展模拟电路故障诊断方法的研究，在不影响油耗仪表原有功能的基础上，增加模拟电路故障诊断功能，使油耗仪表具有故障自诊断的功能。　　用无穷维AdaBoost集成学习算法进行模拟电路故障诊断。进行模式识别时，分类精度较高的强分类器不容易找到，分类精度比随机猜测略好的弱分类器很容易找到，AdaBoost集成学习算法集成多个弱分类器而成为一个强分类器，从而避免了直接去寻找强分类器，为了进一步增加AdaBoost集成学习算法的分类精度，将AdaBoost集成学习算法的弱分类器数量增加到无穷多个，用无穷维AdaBoost集成学习算法进行模拟电路故障诊断。　　本文采用支持向量机实现无穷维AdaBoost集成学习算法，从如下几个方面分析AdaBoost集成学习算法和支持向量机之间的联系：　　 (1)用LP范数理论，从样本分类超平面最大边界这一角度，分析AdaBoost集成学习算法的优化目标，得出AdaBoost集成学习算法和支持向量机的优化目标完全相同的结论。　　 (2)分析AdaBoost集成学习算法和支持向量机分类器分类器的相同点，通过设定条件，使支持向量机的分类器满足AdaBoost集成学习算法对其强分类器的要求。　　 (3)分析支持向量机的映射ψ(x)与AdaBoost集成学习算法弱分类器h(x)之间的相同点，通过设定条件，使支持向量机的映射分量ψ(x)与AdaBoost集成学习算法弱分类器h(x)建立联系。　　因为以上所设定AdaBoost集成学习算法和支持向量机之间的联系，因此可以用支持向量机实现无穷维AdaBoost集成学习算法。实现无穷维AdaBoost集成学习算法的关键是建立一个新的支持向量机核函数，使此核函数集成无穷多个AdaBoost集成学习算法的弱分类器。　　用Matlab6．5编写无穷维AdaBoost集成学习算法程序，用无穷维AdaBoost学习方法进行模拟电路故障诊断。故障诊断结果表明：无穷维AdaBoost集成学习算法分类精度优于有限维AdaBoost集成学习算法，使用无穷维AdaBoost集成学习算法提高了AdaBoost集成学习算法的分类精度。　　在研发船用柴油机油耗仪表的同时，开展模拟电路故障诊断方法研究，在撰写本文的同时，完成了船用柴油机油耗仪表的研发工作，进行了流量的模拟实验和实船测试。在设计船用柴油机油耗仪表的过程中，分析船用仪表的稳定性、可靠性因素，并采用模拟电路诊断故障的方法，来增加船用柴油机油耗仪表的稳定性、准确性，在不影响船用柴油机油耗仪表功能的基础上，增加故障自诊断的功能。
作者：	刘冲
专业：	轮机工程
导师：	张均东
授予学位：	博士
授予学位单位：	大连海事大学
学位年度：	2011
正文语种：	中文