回歸型支持向量機(jī)在電機(jī)故障診斷中的研究

通過分析電機(jī)故障模式識別的原理，提出應(yīng)用回歸型支持向量機(jī)進(jìn)行電機(jī)故障特征學(xué)習(xí)和分類的方法；從回歸型支持向量機(jī)的基本原理出發(fā)，探討線性回歸與非線性回歸兩種情形，對其預(yù)測能力進(jìn)行分析得到誤差計(jì)算公式； 在其基礎(chǔ)上建立同步電機(jī)故障診斷模型并進(jìn)行仿真，通過電壓波形處理前后的對比，能夠及時檢測到故障的發(fā)生并進(jìn)行識別，而驗(yàn)證了回歸型支持向量機(jī)是電機(jī)故障診斷在線檢測的一種有效方法；但如何把已有的先驗(yàn)知識應(yīng)用到SVM 訓(xùn)練中仍然是一個懸而未決的問題。
電機(jī)的狀態(tài)監(jiān)測與故障診斷技術(shù)研究，對提高電機(jī)的維護(hù)管理水平，保障其運(yùn)行可靠性有重要意義。經(jīng)過多年的研究與努力，人們已開發(fā)出一些比較成熟的狀態(tài)監(jiān)測技術(shù)和方法，可對多種電機(jī)故障狀態(tài)進(jìn)行監(jiān)測、識別和診斷。由于電機(jī)故障機(jī)理的復(fù)雜性，難以對實(shí)際故障建模，又加上環(huán)境噪聲難以估計(jì)，因而很難形成一個準(zhǔn)確的故障診斷判據(jù)。近年來，出現(xiàn)了利用支持向量機(jī)對電機(jī)故障進(jìn)行診斷是一種很有發(fā)展前景的診斷方法。支持向量機(jī)(sVM)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展出的一種模式識別方法。SVM 方法能在樣本數(shù)較少的情況下獲得很好的分類推廣能力，對于小樣本、非線性及高維模式識別問題的解決具有許多特有的優(yōu)勢[1]。目前，支持向量機(jī)方法在很多領(lǐng)域得到了應(yīng)用。本文通過對回歸型支持向量機(jī)的研究，探討了回歸型支持向量機(jī)在電機(jī)故障診斷方面的應(yīng)用。