论文部分内容阅读
汽车发动机结构复杂,工作环境恶劣,故障率高,振动信号噪声干扰强,特征微弱,传统方法诊断的可靠性和有效性不高。为提高故障诊断的正确率,将半监督学习方法应用到发动机故障诊断中,提出了一种基于直推式支持向量机的发动机故障诊断方法。
将图论和多维尺度分析相结合,提出基于图论和多维尺度分析的特征提取方法,使提取到的故障特征在特征空间中类内距离减小,聚类效果佳,易于分类。
由于直推式支持向量机在应用过程中,需要确定无标签样本中正标签样本的个数,而该参数估计的不准确将造成学习机性能不稳定。因此本文提出一种参数估计新方法,该方法能有效地估计无标签样本中正标签样本的个数,使得学习机的分类性能稳定。结合二叉树理论,提出基于二叉树和直推式支持向量机的多分类方法,该方法能有效挖掘训练样本中蕴含的分类信息。
在发动机台架实验台上模拟发动机常见故障,并应用直推式支持向量机进行故障诊断,实验结果表明,基于直推式支持向量机的发动机故障诊断方法能有效实现故障分类,且分类准确率高。