基于支持向量機的流程工業(yè)故障診斷方法研究.pdf

1、本文研究了經(jīng)驗風險最小化原則和結(jié)構(gòu)風險最小化原則、統(tǒng)計學習理論的理論框架和支持向量機的原理與方法。將模糊概念與支持向量機結(jié)合，構(gòu)建了模糊支持向量機模型，對于模糊隸屬度的選取，引入了基于損失的風險函數(shù)，提高故障診斷率。通過實驗證明了模糊判決支持向量機對故障早期診斷，以及在處理誤診與漏診代價的問題上的優(yōu)勢。 針對實際流程工業(yè)故障診斷面臨的多類分類問題，討論了多種支持向量機多類分類算法，包括直接求解法、一對余、一對一，決策導向無環(huán)圖、

2、糾錯碼編碼、分級二叉決策樹等。 提出了流程工業(yè)故障診斷的新方法——基于支持向量機的故障診斷方法，并應(yīng)用于化工過程和冶金行業(yè)典型的流程工業(yè)。對TE(TennesseeEastmanProcess)過程進行仿真實驗，驗證了該診斷方法的良好性能，并與人工神經(jīng)網(wǎng)絡(luò)方法進行比較，顯示了其解決小樣本學習問題的優(yōu)勢。針對高爐爐況失常診斷的應(yīng)用及實驗，得到較好的結(jié)果，證明了基于模糊支持向量機算法的流程工業(yè)故障診斷方法在實際應(yīng)用上的有效性和可行性