基于多分类支持向量机的工业故障分类

《基于多分类支持向量机的工业故障分类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、養＇ｆｆ＇補絲稱卿．ｒ：ｊ■：分类编号：单位代码１０１６７，ｊ：密级：学号２０１３０８０００７ｊＩ鄉藻欠聲硕±学位论义爆＇ｉ．辛■！＊＇％论文题目：基于多分类支持向量机的工业故障分类蓉Ｉｎｄｕｓｔｒｉａｌｆａｕｌｔｃｌａｓｓｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎ－ｆｍｕｌｔｉｃｌａｓｓＳＶＭ；作者姓名：景晨指导教师：尹巧教授专业名称；控制理论与控制王程研究方向：复杂过程建模与优化控制声学院年级工２０１３级－：学院

2、．＂＇完成日期：２０１６年６月又潮海大学研究生学院Ｖ．．‘．．■原彻性齊明本人郑重承诺：所呈交的硕±学位论文是本人在导师指导下进行的研究工作和取得的研巧成果。尽我所知，除了文中己经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中Ｗ明确方式标明。本人完全意识到本声明的法律结果由本人承担。论文作者签名：日期：年月／〇日关于论文使用授权的说明学位论文作者完全了解潮海大学有关保留：、使

3、用学位论文的规定，即研究生在校攻读学位期间进行论文工作的知识产权单位属于潮海大学。潮海大学有权保留并向者国家授有权关部口或机构送交论文的复印件和磁盘，允许学位论文被查阅和借阅。本文作潮海大学可公布学位论文的全部或部分内容，可Ｗ将学位论文的全部或部分汇内容编编学入位论有关文数据库并进行检索，可［＾采用影印、缩印、扫描或其它复制手段保存、（保密的学保位论文在解密后遵守此规定）。本论密□，在年解密后适用本授权书。文属于不保密／＂ｇ／适用本授权书。Ｖ＂）（请在□内打泌论文作者签名；

4、指导教师签名：年夸曰期：如分年《＾月作曰曰期：＞０八《月＾７曰基于多分类支持向量机的工业故障分类[摘要]本文中主要研究了复杂工业过程中的故障分类问题。当今，工业过程变得更加大规模化、复杂化、高耦合化。任何一个异常情况都可能被传播和放大，从而对整个工业生产过程造成不必要的财产的损失和人员伤亡。因此，复杂工业过程故障分类问题具有很强的实际意义。到目前为止，基于数据的故障检测和诊断的方法得到了很好的发展。如一些多元统计的方法被提了出来，这包括主成分分析（PrincipalComponentAnalysis，PCA）、独

5、立成分分析（IndependentComponentAnalysis，ICA）和支持向量机（SupportVectorMachine，SVM）等。在高维数据分类时，太多的变量将会导致更高的计算量。且数据中所含的噪声也会降低分类的准确率。因此，数据降维就显得很重要了。目前，已经出现了许多数据降维的方法。例如在本文中使用的主成分分析、核主成分分析（KernelPrincipalComponentAnalysis，KPCA）、独立成分分析和偏最小二乘（PartialLeastSquares，PLS）的降维方法。本论文首先使用支

6、持向量机和主成分分析支持向量机（PrincipalComponentAnalysisbasedSupportVectorMachine，PCA-SVM）进行故障分类。由于主成分分析降维损失了分类准确率，进而使用核主成分分析支持向量机（KernelPrincipalComponentAnalysisbasedSupportVectorMachine，KPCA-SVM）进行故障分类以提高分类准确率。在核主成分分析降维过程中应用了核函数，引入了未知参数，使得计算过程变得复杂化。为了避免这一问题，使用独立成分分析支持向量机（In

7、dependentcomponentanalysisbasedsupportvectormachine，ICA-SVM）进行故障分类。在研究中发现，基于主成分分析和核主成分分析的支持向量机对复合干扰引起的故障分类性能不佳。I随后，使用偏最小二乘法支持向量机（PartialLeastSquaresbasedsupportvectormachine，PLS-SVM）对此类故障进行分类。传统的偏最小二乘法类别编码方法不能很好的体现类别间的相关性，因此对于类别编码方法进行了改进，提出了基于改进偏最小二乘法支持向量机方法的故障分类

8、，获得了较好的分类效果。[关键词]：多分类支持向量机；最大似然估计；数据降维；故障分类IIINDUSTRIALFAULTCLASSIFICATIONBASEDONMULTI-CLASSSVMABSTRACTThisthesisstudiesthefaultclassificationproblemsincomplex