基于SVM的传感器故障诊断和信号恢复技术.pdf

《基于SVM的传感器故障诊断和信号恢复技术.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、基于SVM的传感器故障诊断和信号恢复技术陈烨，王建平(南京航空航天大学自动化学院，江苏南京210016)ResearchonSensorFaultDetectionandSignalRecoveryBasedonSVMCHENYe，WANGJian—ping(CollegeofAutomationEngineering，NanjingUniversityofAeronauticsandAstronautics，Nanling210016，China)摘要：根据对相关联传感器之间正确的输出数学主要研究的是渐近理论，即当样本趋向于无穷多据，利用网格参数寻优法建立SVM预测模型，对传时的统计

2、性质。在现实问题中，所面对的样本数量感器进行故障诊断和短时间的信号恢复。阐述了具是有限的，因此，以样本数目无穷多为假设来推导的体的实现方法和步骤，并通过对获得的真实数据进各种算法，有时在实际应用中效果不好n]。近年来，行仿真来对该方法的有效性进行验证。人工智能和计算机技术的迅猛发展为故障诊断和信关键词：支持向量机；信号恢复；网格搜索法；故号恢复提供了新的理论基础，出现了一些新的故障障诊断诊断和信号恢复方法，即基于神经网络的故障诊断中图分类号：TP181方法[。]。文献标识码：A1支持向量机的回归原理文章编号：1001—2257(2013)12—0075—03Abstract：ASVMp

3、redictionmodelisestab—支持向量机是由VapnikVN于1995年首先lishedaccordingtotherightoutputoftheassociat—提出的，它在解决小样本、非线性及高维模式识别中edsensorsinordertodiagnosethesensorfaultand表现出许多特有的优势，并能够推广应用到函数拟recoverthesignalintimebasedonparameteropti—合等其他机器学习问题中[5]。mizationusinggridsearchingmethod．Thispaper支持向量机方法是建立在统计学习理论的

4、VCspecificallydescribesmeansandproceduresofim—维理论和结构风险最小原理基础上的，根据有限的plementationandverifiesitsvaliditythroughsimu—样本信息在模型的复杂性(即对特定训练样本的学lationusingacquiredrealdata．习精度)和学习能力(即无错误地识别任意样本的能Keywords：SVM；signalrecovery；gridsearch—力)之间寻求最佳折衷，以期获得最好的推广能力。ing；faultdetection支持向量机回归的基本思想是，通过一个非线性映射将样本数据集

5、(z，y)(i：1，2，⋯，)映射到高维线性空间，并在此空间构造线性回归函数为：0引言—W·()+6(1)传感器技术广泛用于工业自动化等控制领域。而叫和b的最优化求解可以归结为以下问题，即而控制的精度在很大程度上依赖于采集到的传感器数据。如果传感器在使用过程中发生了故障(包括min1lJWIJ。+c∑(3i+)一硬故障和软故障)，必然会导致误差增大，引起相关一1fY一[(wx)+6]≤e+性能下降，甚至导致整个系统的瘫痪。因此，希望在s．t．W·(z)+6一Y≤e+(2)传感器发生故障的时候，能够及时实现故障检测，错【，≥0，一1，2，⋯，误信号的隔离和短时间的信号恢复。统计学在解决C

6、>O为惩罚系数，表示对于训练样本中离散点机器学习问题中起着基础性的作用。但传统的统计的重视程度_6；为松弛变量，表示对应z离群e收稿日期：2013一O7—3O的距离。《机械与电子~2013(12)·75·于SVM利用Lagrange优化方法，可以将式(2)转化为其对偶形式：f一百1妻妻(ai-a)(口，一n)XK(，)maJ图2基于SVM传感器故障检测【一e∑(口+口)+∑y(口-ai*)为了使SVM预测器具有良好的预测精度，其(3)启动需要一定的样本数量。当SVM预测与实际输f∑(n-ai~)一0出的残差小于阈值时说明传感器工作正常，同时将s．t．传感器输出值与输出参数作为新一时刻S

7、VM预测lO≤n，ai*≤C器的训练样本进行下一时刻的预测，这样反复迭代K为核函数。常用的核函数包括线性核函数、可以不断保证SVM预测器的精度。当传感器输出多项式核函数和径向基核函数(RBF)等。解决优化值与SVM预测值具有较大残差时产生报警，系统问题，可以得到叫，b，以此求得的回归函数为：输出SVM预测值进行系统控制，防止系统因为传y=W·qS(x)+6感器故障造成瘫痪。：∑(口—al)K(，x)+b(4)2．2算法流程xi∈首先，对SVM预