资源描述：
《基于紧密度fsvm新算法及在故障检测中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第22卷第4期振 动 工 程 学 报Vol.22No.42009年8月JournalofVibrationEngineeringAug.2009X基于紧密度FSVM新算法及在故障检测中的应用1211陶新民,徐 晶,杜宝祥,徐 勇(1.哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001;2.黑龙江科技学院数力系,黑龙江哈尔滨150027)摘要:针对传统的模糊支持向量机(FSVM)算法对边缘噪声敏感的不足,提出一种基于非线性紧密度和K最近邻方法(KNN)相结合的FSVM算法。该方法在计算样本隶属度大小时既考虑样本与类中心的距离,类中样本的紧密度,同时还考虑与其他类样本间的关系,
2、其中紧密度的计算采用非线性数据分布描述方法进而使计算的隶属度更精确。实验结果同传统FSVM及其他改进的FSVM算法进行比较,对于国际标准测试数据及轴承故障检测问题,结果验证了建议算法具有很强的鲁棒性及高效的检测性能。关键词:故障检测;模糊支持向量机;K近邻方法;紧密度+中图分类号:TH165.3;TP306 文献标识码:A 文章编号:100424523(2009)0420418207度的模糊支持向量机方法,该方法依据样本到类中引 言心之间的距离和样本紧密度来确定样本的隶属度。由于文[9]采用带有权系数样本的线性加权组合来机械设备故障诊断就是对测取的含有故障信息确定类中心,当样本
3、数据不规则时这种方法无法给的信号利用信号处理和分析技术,找出和故障有关出非常密集的数据描述。因此,本文对文[9]的算法的特征参数并利用这些特征参数对设备的实时技术进行了改进,采用非线性函数来确定类中心和样本状态进行判别。这里涉及到两个方面的问题,一是利的紧密度,增强了对非线性数据分布的描述能[10]用信号处理技术进行特征提取;二是利用模式识别力。此外,由于没有考虑样本与其他类别样本之技术进行故障诊断。间的关系,文[9]的方法抗噪性能较差。为此,本文在支持向量机(SVM)算法因其良好的非线性区确定样本的隶属度时,即考虑样本与所在类中心之分能力,已广泛应用到故障诊断及模式识别领间的距离
4、及所在类中样本之间的紧密度,又利用[1～13]域。不过,SVM算法在构造最优分类面时所有KNN方法来考虑样本与其他不同类别的样本之间的的样本都具有相同的作用,这样,当训练样本中含有关系,增强方法的抗噪性。通过实验将本文建议的方噪声或野值样本时,获得的分类面不是真正的最优法同文[4]及文[9]算法进行比较,结果表明本文建议分类面。针对这种情况,Lin等学者提出了模糊支持的方法具有更好的抗噪能力和高效的检测性能。[7～9]向量机方法(FSVM),将模糊技术应用于支持向量机中,达到消除噪声与野值样本影响的目的。学1 理论分析者张建明等将FSVM应用到故障检测领域并得到[4]较好的效果。然
5、而在采用模糊技术处理时,隶属度111 模糊支持向量机算法函数的设计是整个模糊算法的关键,不少学者在这方面作了一些研究,但主要是基于样本到类中心之 由于传统带惩罚因子的SVM算法在训练过程[4,8,9,11～13][7]间的距离来度量其隶属度的大小。然而,中对训练样本同等对待,这就会导致算法对某些若只考虑样本到类中心之间的距离,有时并不能将特殊的样本变得十分敏感,如边缘数据和噪声等。因噪声或野值样本从有效样本集中区分出来,以致将此为了消除传统SVM方法因惩罚因子固定导致特含噪声或野值的样本与有效样本赋予相同的隶属殊样本对算法分类能力的影响,Lin等学者提出了[9][7]度。学者张翔
6、等对此进行了改进,提出了基于紧密模糊支持向量机(FSVM)方法。X收稿日期:2008202211;修订日期:2009201206基金项目:黑龙江省博士后科学基金资助项目(LBH2Z08227);哈尔滨工程大学校科研基金资助项目(002080260735) 第4期陶新民,等:基于紧密度FSVM新算法及在故障检测中的应用419设数据点为{xi,i=1,2,⋯,n},对数据进行分少数的支持样本。球体半径R可以利用任何一个对类,给每个数据点xi分配一个成员值Li,这样训练集应于Ai>0的支持样本与中心的距离来确定。任意样就是一个模糊训练集Sf本z到中心a的距离为SnTTf={xi,yi,L
7、i}i=1(1)(z-a)(z-a)=(z-∑Aixi)(z-∑Aixi)=ii+对于类别1(yi=1),模糊隶属度为Li;对于类别TTT(zõz)-2Ai(zõxi)+AiAj(xiõxj)(9)-∑∑2(yi=-1),模糊隶属度为Li,它们需分别独立地进ii,j行设置。得到模糊训练集之后,构造代价函数使其最然而当样本数据不规则时,这种计算最小球体半径小化的方法无法给出密集的数据描述。本文以图1为例n来说明这一问题。图1(a)的图形是采用文[9]的方法1Tm5(w,
