支持向量机模型优化方法及其在旋转机械智能诊断中的应用

支持向量机模型优化方法及其在旋转机械智能诊断中的应用

ID:34917855

大小:4.58 MB

页数:87页

时间:2019-03-14

支持向量机模型优化方法及其在旋转机械智能诊断中的应用_第1页
支持向量机模型优化方法及其在旋转机械智能诊断中的应用_第2页
支持向量机模型优化方法及其在旋转机械智能诊断中的应用_第3页
支持向量机模型优化方法及其在旋转机械智能诊断中的应用_第4页
支持向量机模型优化方法及其在旋转机械智能诊断中的应用_第5页
资源描述:

《支持向量机模型优化方法及其在旋转机械智能诊断中的应用》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、ixif1y/*UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA硕士学位论文MASTERTHESIS论文题目支持向量机模型优化方法及其在旋转机械智能诊断中的应用学科专业机械电子工程学号201221080229作者姓名雷丝雨指导教师左明健教授分类号______________________________________密级UDCal学位论文支持向量机模型优化方法及其在旋转机械智能诊断中的应用(题名和副题名)雷丝雨(作者姓名)指导教师左明健教授

2、电子科技大学成都刘志觉博士电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士学科专业机械电子工程提交论文曰期论文答辩曰期_____________学位授予单位和日期电子科技大学JcVX年6月沒曰答辩委员会主席___________________________________评阅人注1:注明《国际十进分类法UDC》的类号。独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的砑究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的垲方外,论文中不包含其他人已经发表或撰写过的研

3、究成果,也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名:日期:九丨5:年6月4日论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后应遵守此

4、规定)作者签名:两导师签名:日期:年6月2V曰MODELOPTIMIZATIONFORSUPPORTVECTORMACHINEANDITSAPPLICATIONTOINTELLIGENTDIAGNOSISOFROTATINGMACHINERYAThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:MechatronicEngineeringAuthor:SiyuLeiAdvisor:Prof.MingJ.Z

5、uoandDr.ZhiliangLiuSchool:SchoolofMechatronicsEngineering摘要摘要故障诊断通常被看做模式识别问题,支持向量机在解决小样本、非线性及高维模式识别中表现出诸多特有优势,因此它在旋转机械智能诊断领域获得广泛关注,并且成为其中一项重要技术。特征选择和参数选择是支持向量机模型优化方法中的两个重要方面,它们是保障支持向量机在旋转机械智能诊断中成功应用的关键技术。特征选择技术旨在保留有效特征并去除冗余特征以提高模型的执行效率和鲁棒性,参数选择技术则用于选

6、择最优参数提高模型泛化能力。本文围绕支持向量机模型优化方法及其在旋转机械智能诊断中的应用开展研究,主要创新和工作如下:(1)针对如何高效且准确地评价非线性特征的问题,提出了一种基于多维统计量类分离度的特征评价准则,并在此基础上提出了一种基于多评价准则融合的特征选择算法。该算法具有识别非线性特征的能力,并且从有效性和相关性两方面出发,对特征进行全面综合评价,避免了单一特征评价准则的局限性。实验结果表明,该算法能够准确识别故障敏感特征,降低特征集的冗余度和模型复杂度,提高支持向量机的分类准确率。(2

7、)针对如何改进支持向量机参数的搜索范围以降低评价准则迭代过程带来的高计算复杂度和提高搜索算法的收敛速度的问题,提出了一种基于“好区”识别模型的参数选择算法,对优秀参数与不良参数区域之间的不规则边界进行估计,进而在不涉及支持向量机模型训练的条件下,判断相应参数的性能。实验结果表明,结合网格搜索算法,本算法能够准确识别非矩形“好区”,减少参数选择的搜索范围,提高支持向量分类器参数选择的计算效率。(3)以滚动轴承为研究对象,对内圈故障、外圈故障、滚珠故障和三者复合故障类型进行试验设计、数据采集与特征提

8、取,建立基于支持向量机的智能诊断模型,并且利用本文提出的特征选择与参数选择模型优化方法对滚动轴承智能诊断模型进行优化。实验结果表明,本文提出的支持向量机优化方法能够减少优化时间,提高智能诊断模型的分类准确率。关键词:支持向量机,特征选择,参数选择,旋转机械,智能诊断IABSTRACTABSTRACTSupportVectorMachine(SVM)gainswiderattentionandbecomesoneoftheimportanttechnologiesinthefieldofintel

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。