支持向量机方法在燃气轮机故障诊断中的应用研究

摘要

针对燃气轮机的故障样本较少这一特点，本文采用了支持向量机方法对该问题进行了研究和应用。从实例计算的结果可以看出，支持向量机方法能够在小样本情况下获得很好的分类效果，这就为燃气轮机系统故障诊断提供了一条新的途径。本文的主要工作包括：（1）对统计学习理论和支持向量机方法进行了研究，并针对凸二次规划提出了有效集遗传算法。该算法可以解决常规算法中出现的循环或矛盾方程的问题，并且比传统遗传算法有更高的效率。（2）采用支持向量机方法对燃气轮机的故障诊断问题进行了应用研究，并且在实例计算中得到比较满意的分类效果。其中，本文比较了在不同的核函数下取得的结果，经分析发现采用三次多项式核的支持向量机效果最好。同时还和BP网络进行了对比，发现在小样本情况下，支持向量机方法表现更为出色。另外，本文还对多值分类、样本点选取对分类面的影响等问题进行了一定的讨论。

目录

学位论文原创性声明和版权使用授权书

摘 要

符号说明

第一章 绪论

第二章 支持向量机理论概述

第三章 SVM训练算法概述

第四章 燃气轮机故障诊断问题

第五章 支持向量机在燃气轮机故障诊断上的应用

第六章 总结与展望

参考文献

致谢

攻读学位期间发表的学术论文目录