基于支持向量机回归树的内燃机振动信号趋势预测.pdf

《基于支持向量机回归树的内燃机振动信号趋势预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第37卷第5期舰船科学技术Vo1．37，No．52015年5月SHIPSCIENCEANDTECHNOLOGYMay，2015基于支持向量机回归树的内燃机振动信号趋势预测万祥兰，范明君(1．湖北工业大学理学院，湖北武汉430068；2．海军装备部武汉局，湖北武汉430063)摘要：针对标准回归树建立在统计分析基础上所存在的缺陷，提出一种基于支持向量机的回归树预测模型。首先，根据原始振动信号趋势序列构建回归树；然后，针对回归树上包含样本数过少的节点，利用支持向量机，建立能够反映重要变量与响应变量之间映射关系的回归模型。仿真结果表明：即便由于设备出现异常，导致振动信号趋势序列出现非平稳、

2、突变情况，该方法也能准确地预测，性能优于标准分析方法，具有一定的工程实用性。关键词：支持向量机；回归树；趋势预测；Cao方法中图分类号：TP18；TH17文献标识码：A文章编号：1672—7649(2015)05—0067—03doi：10．3404／j．issn．1672—7649．2015．05．013ThetrendpredictionofenginevibrationsignalsbasedonSVM—-RTWANXiang．1an，FANMing．jun(1．SchoolofScience，HubeiUniversityofTechnology，Wuhan430068，Ch

3、ina；2．WuhanDepartmentofChineseNavalArmament，Wuhan430063，China)Abstract：Forthedisadvantageofstandardregressiontreeswhichwasbasedonthestatisticanalysis，aregressiontreespredictionmodelbasedonsupportvectormachinewasproposed．Firstly，theregressiontreeswasestablishedthroughoriginalvibrationsignaltrend

4、series．Then，fortheregressiontreesnodesinwhichthesamplenumberwastoosmall，supportvectormachinewasemployedtoestablishregressionmodelwhichcandescribemappingrelationshipoftheimportantvariablestotheresponsevariables．Thesimulationresultsindicatetheproposedmethodnotonlycanaccuratelypredictnon-stationar

5、yandsuddenchangeofvibrationsignalswhenequipmentworksabnormally，andtheperformanceoutperformsthestandardtechniques，whichillustratesitsprojectpracticability．Keywords：supportvectormachine；regressiontrees；trendprediction；CaoSmethod占训练集数目很少一部分，由于SVM不能选择合0引言适的样本输入，使得标准SVM训练算法无法获得趋势预测是指在获得当前时刻设备运行状态评令人

6、满意的训练速度。相反，回归树(RT)是基估信息的基础上，利用各种推理算法对系统未来某于统计理论的非参数识别技术，它可以根据分时刻的状态进行评估。因此，趋势预测作为故障诊支规则自动地将所有输入数据分配到每一个节点断中一个重要环节倍受重视。支持向量机(SVM)上。但是，每一叶节点上的输出值只能以这个节近年来逐渐成为人工智能领域的一个研究热点，在点上所包含样本的平均值来表示；而且，如果某许多实际应用中表现出了优于传统回归技术的预测一节点上包含的样本数太少的话，预测结果就失能力¨。不足之处是：支持向量决定了支持向量去了统计意义上的可信度。机械设备在多数时间机回归。实际应用中，通常样本的规模都

7、很大，内能够保持平稳运行，所以如果训练样本选择不且在绝大多数情况下，训练集中的支持向量数目只当或者即使所选样本中包含由于故障引起的突变收稿日期：2014—12—15；修回日期：2014—12—24作者简介：万祥兰(1976一)，女，硕士，主要从事高等数学、应用数学教学及工程数学算法与数据分析处理等研究。·68·舰船科学技术第37卷数据，根据建立回归树的评价标准，如果某一节3SVM—RT算法设计点上包含的样本数过少或者样本过于分散，那么将从新划分，但恰恰这类