基于相关向量机与决策导向无环图的故障定位方法

摘要

相关向量机(Relevance vector machine， RVM)是一种基于贝叶斯统计学习理论的新型二分类器.与传统支持向量机(.Support Vector Machine，SVM)方法相比，该方法在学习过程中避免了复杂的参数设置，同时在输出结果时更给出了分类的可靠性，更适合实际工程应用.本文采用决策导向无环图(Decision Directed Acyclic Graph, DDAG)方法将RVM进行多分类扩展，使其能够对多类故障模式进行识别，进而实现故障定位.相比传统方法，基于RVM和DDAG的诊断方法具有更小的计算复杂度和更高的故障诊断可靠性.所提方法被用于牵引电机故障定位实验，效果良好，验证了算法的有效性.