SVM模式識(shí)別技術(shù)在機(jī)械故障診斷中的應(yīng)用進(jìn)展

第卷 第期0年月

桂林電子科技大學(xué)學(xué)報(bào)GnUyfcy

VN39M模式識(shí)別技術(shù)在機(jī)械故障診斷中的應(yīng)用進(jìn)展王長(zhǎng)林陳鴻寶林瑋秦啟茂宋宜梅桂林電子技大學(xué)機(jī)電工程學(xué)院廣西桂林 ；廣西右江礦務(wù)局廣西田東 )摘 要支持量機(jī)pMM是一種基于統(tǒng)計(jì)學(xué)理論的新型機(jī)器學(xué)方法對(duì)小樣本決策具有較好的學(xué)習(xí)推廣性為在機(jī)械故障診斷更好地運(yùn)用該方法從基于支持量機(jī)理論模式識(shí)別技術(shù)和機(jī)械故障診斷應(yīng)用兩方面綜述了近年來(lái)支持向量機(jī)國(guó)內(nèi)外研究應(yīng)用現(xiàn)狀分析了技術(shù)特點(diǎn)存在問(wèn)題解決方案及其在機(jī)械工程領(lǐng)域應(yīng)用前景。關(guān)鍵詞支持量機(jī)機(jī)器學(xué)習(xí)模式識(shí)別故障診斷中圖分類號(hào)7 文獻(xiàn)標(biāo)識(shí)碼A 文章編號(hào)4nRndntVrMedsAnntDsWGnHNoNWQGQmoGmi．MdnUcnI．uMg)eMwmddn—gT．sdnsnmsew．mftrmeewddmewssntse．mey—dmdegsedn．Kyrmmenns1機(jī)械設(shè)備故障診斷技術(shù)機(jī)械設(shè)備故障診斷技術(shù)是現(xiàn)代化生產(chǎn)發(fā)展的產(chǎn)物成為保證生產(chǎn)系統(tǒng)安全穩(wěn)定運(yùn)行和提高產(chǎn)品質(zhì)量的重要手段和關(guān)鍵技術(shù)故障診斷技術(shù)研究的關(guān)鍵問(wèn)題在于信號(hào)獲取模式分類及判別決策而故障的模式分類則是故障診斷過(guò)程的核心所在從本質(zhì)上而言械備故診斷過(guò)也是故障式識(shí)別的過(guò)程模式識(shí)別系統(tǒng)主要包括個(gè)部分如圖所示。前人工神經(jīng)網(wǎng)絡(luò)智能診斷技術(shù)是較常用的故障模式分類方法之一在故障診斷領(lǐng)域得到較多的研究和應(yīng)用然而人工神經(jīng)網(wǎng)絡(luò)的算法基礎(chǔ)為傳統(tǒng)統(tǒng)計(jì)學(xué)理論具有一些不可克服的缺點(diǎn)和不足最

圖1模式識(shí)別統(tǒng)基本構(gòu)成框圖直接的問(wèn)題就是推廣泛化能力不足需要大量的訓(xùn)練樣本并且存在學(xué)習(xí)題工程實(shí)際中的機(jī)械故障診斷問(wèn)題尤其是大型機(jī)械設(shè)備獲取大量的典型故障樣本非常困難。因此在機(jī)械故障診斷中處理的一般是小樣本問(wèn)題在樣本的數(shù)量上和質(zhì)量上都不能滿足收稿期1基金項(xiàng)目國(guó)家然科學(xué)基金廣西然科學(xué)青年金)作者簡(jiǎn)介王長(zhǎng)林一男江蘇鹽城人碩士研究生主要研究方為機(jī)械設(shè)備故障智能診技術(shù)@n第期 王林等M模式識(shí)別技術(shù)及在機(jī)械故障診斷中的應(yīng)用進(jìn)展 7像神經(jīng)網(wǎng)絡(luò)等現(xiàn)有的故障診斷方法對(duì)學(xué)習(xí)樣本的要求而制這些論很優(yōu)算法實(shí)際應(yīng)用效果。因此選擇一種具有好的推廣泛化能力適合樣情況的學(xué)機(jī)進(jìn)機(jī)故診斷非關(guān)鍵。支持向量機(jī)突出優(yōu)點(diǎn)是推廣泛化能力強(qiáng)適合于樣本題求解前成機(jī)故診斷的沿研究方向本文系統(tǒng)地闡述支持向量機(jī)的模式識(shí)別技術(shù)及在機(jī)械故障診斷中的應(yīng)用現(xiàn)狀。2基于M理論模式識(shí)技術(shù)研究進(jìn)展早在年博士在解決模式識(shí)別問(wèn)題上提出的支持向量機(jī)方法是指從訓(xùn)練集中選擇一組特征子集使得對(duì)特征子集的劃分等價(jià)于對(duì)整個(gè)數(shù)據(jù)集的劃分這組特征子集被稱為支持向量t年博士提出了支持向量機(jī)的一個(gè)重要理論基礎(chǔ)C維理論。年，和博士等人進(jìn)一步提出了具有劃時(shí)代意義的結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理。其后支持向量機(jī)理論研究停滯不前直到年博士正式提出統(tǒng)計(jì)學(xué)習(xí)理論用完整的支持向量機(jī)分類器，較好地解決了線性不可分問(wèn)題為有限樣本情況下的統(tǒng)計(jì)學(xué)習(xí)問(wèn)題提供了一種有效的解決途徑禰補(bǔ)了傳統(tǒng)統(tǒng)計(jì)學(xué)理論的不足奠定了支持向量機(jī)的理論基礎(chǔ)近幾年來(lái)國(guó)外許多者對(duì)支持量機(jī)結(jié)構(gòu)、算法進(jìn)行了一系列的理論研究。在傳統(tǒng)的模式識(shí)別技術(shù)中模式分類的基本方法是利用判別函數(shù)來(lái)劃分每一個(gè)類別如何選擇有效的判別函數(shù)形式以及如何在識(shí)別過(guò)程中對(duì)判別函數(shù)的有關(guān)參數(shù)進(jìn)行修正有很多不同的解決方法其中支持向量機(jī)方法是一種較新的分類算法標(biāo)準(zhǔn)的支持向量機(jī)一般解決的是二分類題而實(shí)際需要解決的一般是多類問(wèn)題。前利用支持向量機(jī)處理模式識(shí)別中的多類分類問(wèn)題是當(dāng)前研究的熱點(diǎn)之一研究者們提出的一些卓有成效的多類支持向量機(jī)方法可大致歸納為兩大類：第一大類是以W博士在年提出的多類算法為代表該算法是在經(jīng)典支持向量機(jī)理論的基礎(chǔ)上重新構(gòu)造多值分類模型通過(guò)改寫博士的支持向量機(jī)二值分類中的優(yōu)化標(biāo)函數(shù)實(shí)現(xiàn)多類分類類選擇的標(biāo)分雜實(shí)現(xiàn)難計(jì)算復(fù)雜度也非常高。第二大類引入了組合的思想通過(guò)組合多個(gè)兩類分類器實(shí)現(xiàn)多值分類器的分類前此類方法主要有以下幾類算法：一對(duì)多算法簡(jiǎn)稱。對(duì)多算法由博士提出其基本思想是針

對(duì)類問(wèn)題構(gòu)造個(gè)兩類分類器用一個(gè)兩類支持向機(jī)類將類其他所有類分開來(lái)到個(gè)類數(shù)在測(cè)試本進(jìn)行分類時(shí)采用較法，將未知樣本分類為具有最大分類函數(shù)值的那類。一對(duì)一算法簡(jiǎn)稱。對(duì)一算法由提出該方法基本思想是在每?jī)深愰g訓(xùn)練一個(gè)分類器因此對(duì)于一個(gè)類問(wèn)題，將有一個(gè)分類函數(shù)在對(duì)測(cè)試樣本進(jìn)行分類時(shí)采用投票法最后得票最多的類別既作為該未知樣本的類別。決導(dǎo)無(wú)環(huán)算法—對(duì)于算法J引入了圖論的思想提出G算法在訓(xùn)練階段G和算法投票一樣也要構(gòu)造出每?jī)深愰g的分類面即有一個(gè)分類器但是在分類階段該方法將所用分類器構(gòu)造成一種兩向無(wú)環(huán)圖形狀如圖所示包括一個(gè)節(jié)點(diǎn)和個(gè)葉當(dāng)對(duì)個(gè)未知樣本進(jìn)行分類時(shí)首先從頂層的二值分類器開始根據(jù)頂部的二值分類器分類結(jié)果確定采用下層的左節(jié)點(diǎn)還是右節(jié)點(diǎn)的二值分類器繼續(xù)分類直到底層的某個(gè)葉為止該葉所表示的類別即為未知樣本的類別。圖2M分類示意圖以上多類分類算法相較而言一對(duì)多算法易于實(shí)現(xiàn)但它的推廣誤差無(wú)界任何一個(gè)分類器的錯(cuò)誤分類都將會(huì)帶來(lái)分類的二義性一對(duì)一算法的速度在般情況下均優(yōu)于一對(duì)多算法在增量學(xué)習(xí)中這一差別尤為明顯。因此現(xiàn)有的應(yīng)用在模式識(shí)別中的多值分類算法一般采用一對(duì)一算法或在一對(duì)一算法和對(duì)多算法的基礎(chǔ)上進(jìn)行改進(jìn)的一些算法如上所闡述的t提出的決策導(dǎo)向無(wú)環(huán)圖算法雖然這種算法的訓(xùn)練段和一對(duì)一算法一樣但在分類階段只用了一個(gè)分類器速度優(yōu)于一對(duì)一算法。支持向量機(jī)方法由于其出色的學(xué)習(xí)性能和分類性能很領(lǐng)域都到很成功應(yīng)用特是在模式識(shí)別領(lǐng)域這是支持向量機(jī)一個(gè)最重要也是最成功的應(yīng)用之一也是支持向量機(jī)二分類和多分類算法8 桂林電子科技大學(xué)學(xué)報(bào) 0年月的直接應(yīng)用涵蓋了文本動(dòng)分類人臉檢測(cè)遙感象析等個(gè)面其最突的用研是貝實(shí)驗(yàn)室對(duì)美國(guó)郵政手寫體字庫(kù)的實(shí)驗(yàn)結(jié)果表明用支持向量機(jī)方法得到的識(shí)別結(jié)果均優(yōu)于專家系統(tǒng)和多層神經(jīng)網(wǎng)絡(luò)除了在模式識(shí)別領(lǐng)域外在數(shù)據(jù)挖掘金融時(shí)間序列預(yù)測(cè)非線性系統(tǒng)建摸與控制等領(lǐng)域支持向量機(jī)都顯示出了良好的性能這些研究表明其應(yīng)用范圍是非常廣泛的是一項(xiàng)很有發(fā)展前途的機(jī)器學(xué)習(xí)算法。3M在機(jī)械故障診斷的應(yīng)用進(jìn)展機(jī)械故診斷過(guò)是一個(gè)故模式識(shí)別過(guò)程此研適于展械設(shè)故障狀識(shí)別識(shí)別理論是解決問(wèn)題的關(guān)鍵之一鑒于機(jī)械設(shè)備在整個(gè)國(guó)民經(jīng)濟(jì)中所處的重要地位以及支持向量機(jī)針對(duì)小樣本情況所表現(xiàn)來(lái)的優(yōu)良分類性能已引起了眾多機(jī)械故障診斷領(lǐng)域研究人員的廣泛關(guān)注前國(guó)內(nèi)外研究人員都試圖在這一領(lǐng)域有所突破。等將支持向量機(jī)應(yīng)用于滾動(dòng)軸承的狀態(tài)檢測(cè)并用遺傳算法優(yōu)化支持向量機(jī)的參數(shù)取得比較好的推廣能力1彭問(wèn)季提出了一種利用小波包析提取水組振動(dòng)故障特和基支持向機(jī)的水電組振動(dòng)的故障診斷方法王凱等提出一基支持機(jī)輪故診斷方法用小變換對(duì)齒輪的振動(dòng)信號(hào)進(jìn)行處理來(lái)構(gòu)造特征量在小樣本情況下神經(jīng)網(wǎng)絡(luò)獲得更高的診斷精度饒泓、虞國(guó)全采用了幾種基于支持向量機(jī)的徑向基網(wǎng)絡(luò)故障診斷方法結(jié)合了支持向量機(jī)和徑向網(wǎng)絡(luò)兩者各的優(yōu)點(diǎn)解決了故障樣本數(shù)據(jù)不足問(wèn)題縮短了訓(xùn)練時(shí)間并取得更高的準(zhǔn)確率齊保林李凌均將支持向量機(jī)分類算法用于滾動(dòng)軸承的多類故障模式分類中并與人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了對(duì)研究實(shí)驗(yàn)表明在有限樣本條件下支持向量機(jī)算法比人工神經(jīng)網(wǎng)絡(luò)具有更好的分類性能孫剛等在利用支持向量機(jī)進(jìn)行模式分類時(shí)提出了根據(jù)分類權(quán)值來(lái)進(jìn)行特征的選擇提高支持向量機(jī)分類器的分類性能r官理等在處理多分類問(wèn)題上提出了結(jié)合導(dǎo)向無(wú)環(huán)圖方法和簡(jiǎn)化支持向量機(jī)方法的一種快速支持向量機(jī)多類分類方法減少了支持向量的數(shù)量并加快了分類的速度余輝等針對(duì)支持向量機(jī)多類分類方法中的分解重構(gòu)法進(jìn)行深入分析討論了影響分類性能的兩個(gè)關(guān)鍵因素并通過(guò)實(shí)驗(yàn)驗(yàn)證其觀點(diǎn)張龍等針對(duì)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)存在非平穩(wěn)性提出一種基于時(shí)變參數(shù)自回歸模型和支持向量機(jī)相結(jié)合的旋轉(zhuǎn)機(jī)械故障診斷方法2何學(xué)文等提出了一種基于小波分析

和支持向量機(jī)相結(jié)合的旋轉(zhuǎn)機(jī)械故障診斷方法實(shí)驗(yàn)表該方法可獲得高旋轉(zhuǎn)機(jī)械故障診斷準(zhǔn)確率2?；鄯宓柔槍?duì)在液壓泵故障診斷中故障樣本難以獲得的問(wèn)題融合人工免疫系統(tǒng)中的實(shí)值否定選擇算法和支持向量機(jī)算法提出了一種混合的故障診斷方法2吳峰崎等針對(duì)轉(zhuǎn)子在升降速運(yùn)行時(shí)的故障特征數(shù)據(jù)樣本有限而制約有效智能診斷的問(wèn)題提出了基于支持向量機(jī)的加速度信號(hào)故障診斷方法2毛榮富等將后驗(yàn)概率引入到故障診斷中提出了一種基于后驗(yàn)概率的支持向量機(jī)方法實(shí)驗(yàn)表明，該方法無(wú)論對(duì)測(cè)試樣本還是對(duì)訓(xùn)練樣本都有更高的診斷準(zhǔn)確率。這些針對(duì)不同機(jī)械故障對(duì)象的診斷研究表明將支持向量機(jī)應(yīng)用在機(jī)械故障診斷模式分類方面其性能優(yōu)于許多已有的方法對(duì)于小樣本診斷精度高于神經(jīng)網(wǎng)絡(luò)方法對(duì)于高維樣本其診斷速度比神經(jīng)網(wǎng)絡(luò)快研究表明機(jī)械故障診斷技術(shù)發(fā)展的的瓶頸之是故障樣本的缺乏而不僅于診方法本身，此可見(jiàn)支持向機(jī)在機(jī)械故診斷中很好的應(yīng)用前景。遺憾的是前絕大多數(shù)研究還是處于實(shí)驗(yàn)室階段應(yīng)該在相當(dāng)長(zhǎng)一段時(shí)間內(nèi)著重支持向量機(jī)的應(yīng)用研究。4M的特點(diǎn)及存在的問(wèn)題支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上產(chǎn)生的一種新型的以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為歸納原則尋求使經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍之和最小的學(xué)習(xí)機(jī)器在解決小樣本問(wèn)題的同時(shí)又能解決人工神經(jīng)網(wǎng)絡(luò)算法中的高維問(wèn)題和局部極值問(wèn)題支持向量機(jī)算法兼顧了經(jīng)驗(yàn)風(fēng)險(xiǎn)和推廣能力對(duì)解決小樣本的模式分類問(wèn)題具有獨(dú)特的優(yōu)勢(shì)。研究表明支持向量機(jī)現(xiàn)有的模式識(shí)別方法現(xiàn)優(yōu)的類性能更適于機(jī)故障診斷這種小樣本情況下的實(shí)際工程問(wèn)題的解決。然而作為一項(xiàng)新興的尚在發(fā)展中的技術(shù)支持向量機(jī)本身也存在著一些不足。隨著研究的深入支持向量機(jī)算法及應(yīng)用必將得到進(jìn)一步的完善和發(fā)展。針對(duì)具體實(shí)際問(wèn)題尋找快速訓(xùn)練滿足實(shí)時(shí)要求泛化能力強(qiáng)的高效算法一直是今后研究的方向?qū)τ谄湓趯?shí)際工程應(yīng)用中有著重大的意義。在實(shí)際應(yīng)用中有關(guān)支持向量機(jī)核函數(shù)中的些關(guān)鍵參數(shù)優(yōu)化選擇問(wèn)題依然沒(méi)有得到很好的解決因此確定出合理的核參數(shù)選取準(zhǔn)則使得支持向量機(jī)獲得更好的性能也是一值得深入研究的方向。由于支持向量機(jī)最初是為了解決模式識(shí)別中的二分類問(wèn)題而提出的不能直接用來(lái)解決多值分第期 王長(zhǎng)林等M模式識(shí)別技術(shù)及在機(jī)械故障診斷中的應(yīng)用進(jìn)展 9類問(wèn)題。因此有必要研究更好的多類支持向量機(jī)得到實(shí)用方便簡(jiǎn)捷的機(jī)械多故障診斷方法也是今后值得研究的一個(gè)重要方向。)前像人工神經(jīng)網(wǎng)絡(luò)等其他現(xiàn)有的學(xué)習(xí)算法的理論相對(duì)比較成熟應(yīng)用也較廣泛因此將支持向量機(jī)和其他已有的算法思想相結(jié)合也是支持向量機(jī)今后研究的一個(gè)方向。)前支持向量機(jī)主要集中在然科學(xué)工程運(yùn)用和學(xué)領(lǐng)域居多在機(jī)械設(shè)備故障診斷領(lǐng)域應(yīng)用相對(duì)少得多其次研究成果大多還處于理論階段。因此拓寬支持向量機(jī)的應(yīng)用領(lǐng)域面向機(jī)械設(shè)備故障診斷工程應(yīng)用開發(fā)出實(shí)用的產(chǎn)品也將是下一步的研究重點(diǎn)。5結(jié)束語(yǔ)基于支持向量機(jī)的模式識(shí)別方法是近年來(lái)發(fā)展起來(lái)的一種新興技術(shù)在理論和實(shí)際應(yīng)用中仍然存在著一些需要深入研究和改進(jìn)的地方關(guān)于它的理論和實(shí)際應(yīng)用也仍在研究之中前支持量機(jī)在機(jī)械故障診斷模式識(shí)別領(lǐng)域中取得一定進(jìn)展對(duì)于機(jī)械故障診斷模式分類而言具有很強(qiáng)的現(xiàn)實(shí)意義為機(jī)械故障診斷提供了一種新的研究方法。參考文獻(xiàn)：]DO張宏?yáng)|等，譯北京機(jī)械工業(yè)版社．]MRN統(tǒng)計(jì)學(xué)習(xí)理論張學(xué)工等譯北京電子工業(yè)出版社．]ON支持量機(jī)導(dǎo)論M李正等譯．北京子工業(yè)出版社．]NWS．sM—，Uy，mtmr，，．]UR—rm：aeynwntnhR，，5．]TJR．enMsMT，．]UCNPGC—r／，．]ADgrfCVRoR：．

]SKV-．]YM·MW，．]YoLr，．3廖振生陳光喜基于M對(duì)隱寫分析法的改進(jìn)桂林子科技大學(xué)學(xué)報(bào)．]TPMnRrmCenw．]NRAHRrnm-sfehEEgWpn·。．]KDAendngg．lfMg，，：．]KLArmsdlwsmdyc—g6．]彭文季羅興琦基于小波包分析和支持向量機(jī)的水機(jī)組振動(dòng)故障診斷研究中國(guó)電機(jī)工程學(xué)報(bào)6：．]王凱張永祥李軍基于支持向量機(jī)齒輪故障診斷方法研究振動(dòng)與沖擊．]饒泓虞國(guó)全基于支持向量機(jī)的徑向基網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化．計(jì)算機(jī)工程與應(yīng)用．]齊保林李凌均基于支持量機(jī)的故障診斷方研究口煤礦機(jī)械．]孫剛王志平王新一種提高支持量機(jī)性能的特征選擇新方法計(jì)算機(jī)工程與應(yīng)用．]