项目简介
项目名称
不均衡故障数据下基于免疫过抽样SVM算法相关问题研究
项目批准号
61074076
学科分类
F030117
信息科学部
_自动化
_控制理论与方法
_故障诊断与容错控制
资助类型
信息科学
负责人
陶新民
依托单位
哈尔滨工程大学
批准年份
2010
起止时间
201101-201312
批准金额
35.00万元
摘要
设备的早期故障检测是确保机械系统安全可靠运行的重要保障，支持向量机(SVM)算法因其良好的非线性区分能力，成为目前广泛采用的故障检测方法。然而在实际应用过程中，由于运行现场故障样本难以收集，故障样本数量相对于正常样本而言较少，导致SVM算法的故障检测性能严重下降。因此，如何保证不均衡故障数据下基于SVM方法的故障检测性能是目前亟待解决的问题。本课题尝试从数据过抽样角度考虑，利用阴性免疫克隆选择算法生成异性样本，实现训练样本数据间的均衡；同时为降低训练时间及计算复杂度，拟利用基于多种群协同进化粒子群算法进行数据简约；建立一种抗噪能力强的模糊支持向量机算法，并利用集成特征选择技术构造一个具有最佳泛化性能的集成支持向量机网络；最终利用混合分类模型实现故障检测。该项目的成功实施为故障检测领域的现实应用提供了新的研究途径，同样也为目前流行的不均衡数据下机器学习方法的理论研究奠定了基础并提供新的思路。
评论区 (0)
#插入话题
