基于支持向量機的小樣本事件預(yù)測.pdf

1、本文首先總結(jié)了故障預(yù)測與健康管理(Predictionandhealthmanagement,PHM)的研究現(xiàn)狀及其小樣本事件預(yù)測的典型方法,并對支持向量機方法(SupportVectorMachine,SVM)進行了詳細介紹。在許多工業(yè)系統(tǒng)中,由于系統(tǒng)本身故障的高風險性,迫切需要可靠的故障檢測與預(yù)報體系來保證系統(tǒng)即使在不確定情況下也能安全運行,PHM技術(shù)應(yīng)運而生。故障預(yù)測,作為PHM重要方面,受到的關(guān)注越來越多。本文將故障預(yù)測方法分為

2、基于模型、基于知識和基于數(shù)據(jù)的三個方面。隨著系統(tǒng)的日益復(fù)雜化,基于模型的方法具有很大的局限性,同時由于數(shù)據(jù)獲取技術(shù)的快速發(fā)展,基于數(shù)據(jù)的方法得到了廣泛的應(yīng)用。但是,在實際工程系統(tǒng)中,樣本的數(shù)量往往是有限的,因此需要建立一種能夠指導(dǎo)我們在小樣本情況下有效學(xué)習和預(yù)測的理論。SVM被視為一種典型而有效的方法。
　　然后,通過仿真總結(jié)了SVM方法的優(yōu)缺點。我們采用了SVM的回歸思想,首先通過對數(shù)據(jù)的預(yù)處理及參數(shù)分析,了解二者對回歸性能的影

3、響,然后據(jù)此尋找最佳的預(yù)處理方案及參數(shù)進行一步及兩步預(yù)測,仿真結(jié)果驗證了SVM在預(yù)測未來時刻數(shù)據(jù)的有效性。這里選用的仿真實例來源于國際自動控制聯(lián)合會(IFAC)1990年發(fā)布的控制系統(tǒng)設(shè)計基準問題之城市公交車運行軌跡的跟蹤控制問題。
　　最后針對SVM中存在的問題提出了改進措施。由于單一SVM方法的預(yù)測效果并不理想,預(yù)測得到的數(shù)據(jù)與原始數(shù)據(jù)之間有較大誤差。同時,在實際的系統(tǒng)中,由于外界擾動和各種不確定因素的存在,使得我們很難對未來