为了在微弱故障征兆出现时能通过正常状态对异常进行辨识,针对通常动态系统故障状态样本缺乏的单值分类问题,提出混沌分形特征组合及支持向量数据域描述(support vector data description,SVDD)的动态系统振动异常辨识方法。该方法采用...为了在微弱故障征兆出现时能通过正常状态对异常进行辨识,针对通常动态系统故障状态样本缺乏的单值分类问题,提出混沌分形特征组合及支持向量数据域描述(support vector data description,SVDD)的动态系统振动异常辨识方法。该方法采用误诊和漏诊两种分类错误的SVDD接受者操作特征(receiver operating characteristic,ROC)曲线,通过分析振动混沌分形特征,选取最大Lyapunov指数和关联维数的最优组合,进而建立正常状态样本单值SVDD分类器,并对可提高分类精度的试验验证法优选核函数参数进行了探讨。试验及测试表明,SVDD-ROC方法避免了传统特征选取对具体故障类型样本的依赖性,选取的特征组合对正常和故障样本有较好的自聚类性,SVDD方法仅需要正常状态样本就能辨识异常状态,并且对未知故障也有较好的异常辨识能力。该研究可为动态系统异常状态提供建模与检测的理论基础和设计依据,有效预防突发事故,节约维修成本,提高动态系统的利用率,保障其安全运行,有效降低成本。展开更多
支撑向量数据域描述(support vector data description,简称SVDD)作为一种已经得到广泛应用的核方法,目前研究主要集中在其性能和效率的提高上,然而该算法优化问题最优解性质的理论性质却没有得到足够的关注.为此,首先把SVDD定义的原始...支撑向量数据域描述(support vector data description,简称SVDD)作为一种已经得到广泛应用的核方法,目前研究主要集中在其性能和效率的提高上,然而该算法优化问题最优解性质的理论性质却没有得到足够的关注.为此,首先把SVDD定义的原始优化问题等价转化为一个凸约束二次优化问题,然后从理论上证明了其构建的超球圆心具有唯一性,然而超球半径在一定条件下却存在不唯一性,并且给出了半径存在不唯一性的充分必要条件.还从对偶优化问题的角度分析了超球的圆心和半径性质,并且给出了SVDD算法中在根据优化问题最优解构建超球半径不唯一情况下计算超球半径的方法.完善了该算法的理论和方法体系,从而为其更深入的研究和应用奠定了理论基础.展开更多
文摘支撑向量数据域描述(support vector data description,简称SVDD)作为一种已经得到广泛应用的核方法,目前研究主要集中在其性能和效率的提高上,然而该算法优化问题最优解性质的理论性质却没有得到足够的关注.为此,首先把SVDD定义的原始优化问题等价转化为一个凸约束二次优化问题,然后从理论上证明了其构建的超球圆心具有唯一性,然而超球半径在一定条件下却存在不唯一性,并且给出了半径存在不唯一性的充分必要条件.还从对偶优化问题的角度分析了超球的圆心和半径性质,并且给出了SVDD算法中在根据优化问题最优解构建超球半径不唯一情况下计算超球半径的方法.完善了该算法的理论和方法体系,从而为其更深入的研究和应用奠定了理论基础.
