基于相空间重构的支持向量回归机在振动数据预测中的应用.pdf

《基于相空间重构的支持向量回归机在振动数据预测中的应用.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4期华北电力大学学报2010年7月JournalofNorthChinaElectricPowerUniversity基于相空间重构的支持向量回归机在振动数据预测中的应用韩中合，朱霄殉，祝晓燕，杨晓静(华北电力大学能源动力与机械工程学院，河北保定071003)摘要：支持向量回归机是近年来发展起来的一种通用的机器学习方法，后来被广泛应用于预测领域。在对模型进行训练时，输入特征在很大程度上影响了预测的精度。所以对于特征的选择一直是A．4f1所关注的问题。提出了一种基于相空间重构的支持向量回归机方法。该方法首先对时间序列进行相空间重构．然后利用重构的相

2、空间中的相点作为特征输入，对模型进行训练。经实验验证，该方法能够根据时间序列内在规律，自适应的构造输入特征，提高预测结果的精度。关键词：支持向量回归机；相空间重构；特征选择；状态预测中图分类号：TH165文献标识码：A文章编号：1007—2691(2010)04—0059—04Thesupportvectorregressionforvibrationdateforecastbasedonphase——spacereconstructionHANZhong—he，ZHUXiao-xun，ZHUXiao—yan，YANGXiao-jing(SchoolofE

3、nergyPowerandMechanicalEngineering，NorthChinaElectricPowerUniversity，Baoding071003，China)Abstract：Supportvectorregressionisapopularmachinelearningmethodthatdevelopstheseyearsandhasbeenwidelyusedinthepredictionfield．Theinputcharactersgreatlyafectthepredictionprecisionduringtraining

4、therood—els．Therefore，howtochoosethecharacterisalwaysaproblemthatpeoplehavepaidattentionto．ThispaperputsforwardaSVRmethodbasedonthephasespacereconstruction．Thismethodfirstlyreconstructsthephasespaceofthetimeseries．Thenthepointsofthephasespaceareusedastheinputcharactertotrainthemod

5、els．Theexperimentshowsthatthismethodcanself——adaptivelyformtheinputcharactersaccordingtotheinnerprinciplesofthetimese-ries，andimprovedtheprecisionofpredictionresult．Keywords：suppo~vectorregression；phase—spacereconstruction；featureselection；stateforecast方法，SVR是一种较好的拟合和预测的方法。0引言在对支持

6、向量回归机进行训练时，特征的提取和选择是一项至关重要的工作。然而，在实际当前，旋转机械的大型化、高速化发展，对预测中，特征提取具有一定困难，而且对于特征状态监测提出了更高的要求。振动数据是旋转机的选择也有很大的主观性，造成信息的不足或是械状态监测和故障诊断的重要依据。对振动数据冗余；如果单纯以时间作为特征输人对向量机进的预测，可以实现故障的早发现、早报警、早处行训练，由于包含的信息较少，使得预测的结果理，从而避免事故的发生。目前，用于回归的方精度较低。法主要包括支持向量回归机¨(supportvector针对这些问题，本文提出了基于相空间重构regress

7、ion，SVR)、神经网络、小波神经网的支持向量回归机方法。该方法利用相空间重构，络以及混沌等。相对于神经网络和其他预测对时间序列进行特征提取。以相点作为特征输入对SVR进行训练。从而自适应的对特征进行选收稿日期：2010—04—15取，提高预测的精度。60华北电力大学学报2010年核函数、B一样条核函数和傅里叶核函数¨。。等等。1支持向量回归机理论由于径向基核函数的学习能力较强，且参数选取简单，所以本文模型采用径向基核函数：1．1支持向量回归机唧()20世纪90年代，由Vapnik首先提出支持向量机(SupportVectorMachine，SVM)理论

8、。1．2特征提取问题支持向量回归机的基础数据是训练集。选取SVM是