發(fā)布時間：2017-05-17 21:11

  本文關(guān)鍵詞：基于支持向量機(jī)的船用柴油機(jī)故障診斷研究，由筆耕文化傳播整理發(fā)布。

【摘要】：從N．Vapnik的統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的支持向量機(jī)(Support Vector Machine，簡稱SVM)是目前模式識別領(lǐng)域中最先進(jìn)的機(jī)器學(xué)習(xí)算法，它已初步表現(xiàn)出很多優(yōu)于已有方法的性能。由于采用了結(jié)構(gòu)風(fēng)險最小化原則代替經(jīng)驗最小化原則，支持向量機(jī)能夠較好地解決小樣本學(xué)習(xí)的問題。又由于采用了核函數(shù)的思想，使它把非線性空間的問題轉(zhuǎn)換到線性空間，降低了算法的復(fù)雜度。正是因為其完備的理論基礎(chǔ)和出色的學(xué)習(xí)性能，，該技術(shù)已經(jīng)成為了機(jī)器學(xué)習(xí)界的研究熱點，并在很多領(lǐng)域都得到了成功的應(yīng)用。但是作為一種新興技術(shù)，SVM在很多應(yīng)用領(lǐng)域的研究都還有待于探索和完善。如核函數(shù)和參數(shù)的選擇缺乏理論指導(dǎo)、訓(xùn)練算法的完善、不支持增量學(xué)習(xí)等。這些問題的存在，使得SVM在很多領(lǐng)域的應(yīng)用受到了很大的限制。 本文在學(xué)習(xí)探討SVM算法的同時，對SVM在供油系統(tǒng)故障診斷中的應(yīng)用進(jìn)行了論述，運用支持向量機(jī)理論對其進(jìn)行了故障診斷的仿真研究和實驗研究，其中包括實驗系統(tǒng)數(shù)學(xué)模型的設(shè)計、仿真系統(tǒng)的建立(用Simulink仿真軟件建立仿真模型)、特征參數(shù)的提取、數(shù)據(jù)的采集等。
【關(guān)鍵詞】：統(tǒng)計學(xué)習(xí)理論 支持向量機(jī) 核函數(shù) 故障診斷
【學(xué)位授予單位】：上海海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2006
【分類號】：U664.121
【目錄】：

• 獨創(chuàng)性說明3
• 論文使用授權(quán)聲明3-4
• 摘要4-5
• ABSTRACT5-6
• 目錄6-10
• 第一章 緒論10-24
• 1.課題的提出與意義10-11
• 1.1.課題的提出10-11
• 1.2.課題的意義11
• 2.船用柴油機(jī)故障診斷概述11-19
• 2.1.柴油機(jī)故障分類13
• 2.2.主要故障模式及其原因13-15
• 2.3.柴油機(jī)故障診斷的基本方法15-18
• 2.4.柴油機(jī)故障診斷國內(nèi)外發(fā)展趨勢18-19
• 3.柴油機(jī)故障診斷與SVM19-21
• 3.1.柴油機(jī)故障診斷技術(shù)存在的問題19
• 3.2.SVM理論簡介19-20
• 3.3.SVM理論的發(fā)展概況20-21
• 4.論文的研究內(nèi)容和章節(jié)安排21-23
• 4.1.論文的研究內(nèi)容21-22
• 4.2.論文的章節(jié)安排22-23
• 5.小結(jié)23-24
• 第二章 SVM基礎(chǔ)24-41
• 1.引言24-25
• 2.統(tǒng)計學(xué)習(xí)理論概要25-31
• 2.1.機(jī)器學(xué)習(xí)問題的表示25-26
• 2.2.經(jīng)驗風(fēng)險最小化原則26-27
• 2.3.復(fù)雜性與推廣能力之間的矛盾27
• 2.4.指示函數(shù)集的VC維27-28
• 2.5.推廣性的界28-29
• 2.6.結(jié)構(gòu)風(fēng)險最小化原理29-31
• 3.SVM基本原理31-39
• 3.1.最優(yōu)分類超平面的構(gòu)造32-35
• 3.2.SVM的幾何解釋35-36
• 3.3.核函數(shù)36-37
• 3.4.SVM回歸原理37-38
• 3.5.損失函數(shù)38-39
• 4.小結(jié)39-41
• 第三章 SVM多值分類器構(gòu)造方法41-47
• 1.完全多類SVM41-42
• 2 組合多類SVM42-46
• 3.小結(jié)46-47
• 第四章 基于模糊綜合評判法的故障特征分析47-65
• 1.模型選擇問題47-49
• 1.1.訓(xùn)練集的選取48
• 1.2.核及參數(shù)選擇問題48-49
• 2.特征選擇問題49-52
• 2.1.概述49-50
• 2.2.特征數(shù)據(jù)的壓縮問題50
• 2.3.特征維數(shù)與識別率之間的關(guān)系50-51
• 2.4.特征選擇與特征提取51-52
• 3.基于模糊綜合評判法的故障分析52-57
• 3.1.概述52-53
• 3.2.模糊理論53
• 3.3.柴油機(jī)故障成因集以及故障征兆集53-55
• 3.4.確定故障征兆權(quán)重的基本思路55-57
• 4 模糊判決SVM57-59
• 4.1.最大隸屬原則57-58
• 4.2.風(fēng)險以及損失函數(shù)58-59
• 4.3.λ取值對隸屬函數(shù)和分類面的影響59
• 5.仿真研究59-64
• 5.1.基本思路與實驗數(shù)據(jù)來源59-61
• 5.2.對損失函數(shù)的討論61-64
• 6.小結(jié)64-65
• 第五章 燃油系統(tǒng)故障分析與建模仿真研究65-78
• 1.故障診斷思想65
• 2.燃油系統(tǒng)故障機(jī)理65-69
• 2.1.故障形式65-68
• 2.2.失效模式68-69
• 3.燃油系統(tǒng)運行中各狀態(tài)信號的分析69-71
• 3.1.油液70
• 3.2.溫度70
• 3.3.壓力70-71
• 4.仿真研究71-77
• 4.1.概述71-72
• 4.2.訓(xùn)練及驗證所需要的數(shù)據(jù)來源72
• 4.3.數(shù)據(jù)采集72
• 4.4.數(shù)據(jù)的預(yù)處理72-73
• 4.5.訓(xùn)練階段73-77
• 5.小結(jié)77-78
• 第六章 結(jié)論與展望78-79
• 1.全文工作總結(jié)78
• 2.進(jìn)一步研究工作的展望78-79
• 攻讀碩士期間公開發(fā)表的論文79-80
• 致謝80-81
• 參考文獻(xiàn)81-84

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 魏巍;詹玉龍;趙倍聰;霍崇富;;基于支持向量機(jī)的船舶柴油機(jī)層次故障診斷的研究[J];南通航運職業(yè)技術(shù)學(xué)院學(xué)報;2009年01期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李萌;基于支持向量機(jī)的汽車ESP系統(tǒng)故障診斷[D];吉林大學(xué);2011年

2 郭晶亮;基于支持向量機(jī)的柴油機(jī)故障診斷系統(tǒng)研究[D];武漢理工大學(xué);2011年

3 王坤;斯特林發(fā)動機(jī)燃油系統(tǒng)控制裝置失效安全策略研究[D];河南科技大學(xué);2010年

4 劉琦烽;基于支持向量機(jī)的汽車ABS系統(tǒng)故障診斷[D];吉林大學(xué);2011年

5 呂成嶺;基于支持向量機(jī)的故障診斷方法研究[D];江南大學(xué);2009年

6 余春平;金屬斷口的圖像識別研究[D];南昌大學(xué);2009年

7 李楊;智能樓宇空調(diào)系統(tǒng)故障預(yù)測與診斷的研究[D];安徽建筑工業(yè)學(xué)院;2010年

8 王會歌;數(shù)據(jù)挖掘在船舶推進(jìn)系統(tǒng)故障診斷中的應(yīng)用[D];江蘇科技大學(xué);2010年

9 劉小明;基于故障樹和神經(jīng)網(wǎng)絡(luò)的運載火箭故障診斷關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2010年

10 朱強(qiáng);基于噪聲信號的發(fā)動機(jī)故障診斷HHT-SVM模型研究[D];上海工程技術(shù)大學(xué);2011年

  本文關(guān)鍵詞：基于支持向量機(jī)的船用柴油機(jī)故障診斷研究，由筆耕文化傳播整理發(fā)布。

本文編號：374512