基于粒子群最小二乘支持向量機(jī)的故障診斷算法研究.pdf

1、針對(duì)神經(jīng)網(wǎng)絡(luò)故障診斷存在的諸多問(wèn)題,本文研究了基于最小二乘支持向量機(jī)的故障診斷方法,并在此基礎(chǔ)上深入研究了基于粒子群算法最小二乘支持向量機(jī)的故障診斷方法,并將該方法應(yīng)用于道岔控制電路的故障診斷中。
　　本文重點(diǎn)進(jìn)行了以下幾方面的探討研究:
　　(1)基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究。首先根據(jù)經(jīng)驗(yàn)選擇神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)算法,進(jìn)而采用故障信息數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)使其達(dá)到一定的精度。則訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)可對(duì)輸入的故障數(shù)據(jù)進(jìn)行故障分類(lèi),從而

2、完成故障診斷的功能。仿真結(jié)果表明,訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)可以達(dá)到較高的故障診斷率,但是由于神經(jīng)網(wǎng)絡(luò)固有的缺點(diǎn),故障診斷效果并不令人滿意。
　　(2)基于最小二乘支持向量機(jī)的故障診斷方法研究。最小二乘支持向量機(jī)是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理的機(jī)器學(xué)習(xí)方法,較好地解決了神經(jīng)網(wǎng)絡(luò)在故障診斷中存在的問(wèn)題。最小二乘支持向量機(jī)通過(guò)構(gòu)建多分類(lèi)器,對(duì)輸入的特征向量信息進(jìn)行分類(lèi),確定故障類(lèi)型,完成故障診斷的功能。經(jīng)過(guò)大量仿真證明,最小二乘支持向量機(jī)在用于故

3、障診斷過(guò)程中,無(wú)論在故障識(shí)別準(zhǔn)確率方面還是抗干擾能力方面都比神經(jīng)網(wǎng)絡(luò)方法有著明顯的優(yōu)勢(shì)。
　　(3)基于粒子群最小二乘支持向量機(jī)的故障診斷方法研究。最小二乘支持向量機(jī)中兩個(gè)可調(diào)參數(shù)對(duì)故障診斷率起著決定性的作用,通過(guò)大量實(shí)驗(yàn)來(lái)尋找最優(yōu)的參數(shù)組合的效果并不理想。在對(duì)粒子群算法進(jìn)行了深入的理論研究和大量的仿真實(shí)驗(yàn)的基礎(chǔ)上,將改進(jìn)的粒子群優(yōu)化算法應(yīng)用到最小二乘支持向量機(jī)參數(shù)的優(yōu)化中。通過(guò)粒子群優(yōu)化算法尋找最優(yōu)的參數(shù)組合,從而使得最小二乘支

4、持向量機(jī)獲得更高的分類(lèi)正確率。大量的仿真實(shí)驗(yàn)表明,基于粒子群算法的最小二乘支持向量機(jī)的故障分類(lèi)正確率有顯著提高。
　　(4)粒子群最小二乘支持向量機(jī)在道岔控制電路故障診斷中的應(yīng)用。在介紹分動(dòng)外鎖閉道岔電路工作原理的基礎(chǔ)上,以五線制提速道岔控制電路的故障為例,采用ARPSO優(yōu)化最小二乘支持向量機(jī)參數(shù),進(jìn)行道岔控制電路的故障診斷,取得較為滿意的效果。
　　文中的理論研究和大量的仿真證明,基于粒子群算法的最小二乘支持向量機(jī)方法在故