郭佳

[摘要]支持向量機的運用提升了機械故障診斷的檢測效率，并將機械診斷技術(shù)推向了智能化發(fā)展領(lǐng)域。基于統(tǒng)計學理論以及相關(guān)支持向量機方法滿足了機械故障診斷對樣本的需求，為其創(chuàng)新發(fā)展提供了新途徑。本文結(jié)合機械故障及診斷常見類型，分析及研究了支持向量機運行適應(yīng)性特征和運用范圍，希望能夠?qū)C械工程領(lǐng)域的企業(yè)提供一定借鑒參考。

[關(guān)鍵詞]支持向量機;機械故障診斷;統(tǒng)計學理論;分析及研究

近年來，在機械技術(shù)不斷發(fā)展的影響下，支持向量機逐漸運用在多個領(lǐng)域。如人臉識別、手寫識別等。本文針對支持向量機對機械故障診斷研究，結(jié)合其分類計算算法類型，分析其運行原理和適應(yīng)性。下面，筆者結(jié)合相關(guān)運行操作經(jīng)驗，對支持向量機在機械故障診斷中的特征進行分析，希望能夠為相關(guān)企業(yè)提供實踐借鑒和理論參考。

一、機械故障診斷方法類型

機械故障診斷技術(shù)已有多年研究歷程，從宏觀方面來談，其主要有以下三類診斷類型：第一，知識模擬診斷。這種方式結(jié)合了模擬生物智能方式，基于人為大腦特征，主要有智能診斷、神經(jīng)網(wǎng)絡(luò)、模糊推理等方式。該方式在非線性系統(tǒng)有著較為廣闊的發(fā)展空間，一方面它能給系統(tǒng)建立一個智能化的環(huán)境，另一方面也能將這門技術(shù)進行簡易化推廣。第二，信號分析診斷。這種方式結(jié)合了物理場相關(guān)理論，將光學波普和小波分析、相關(guān)分析作為信號處理方式。第三，模型建設(shè)方式。借助模擬模型建設(shè)方式，按照一定規(guī)律規(guī)則建立一定的狀態(tài)分析估計模型。主要方式有參數(shù)分析、等價空間分析、狀態(tài)估計分析等方式。以上三種方式代表了我國當前診斷系統(tǒng)建設(shè)采用的主流方式，結(jié)合運行原理，這些理論在一定程度上缺乏相應(yīng)的學習樣本空間，不能有效地預(yù)測、控制機械故障發(fā)生頻率。這對企業(yè)設(shè)備管理和經(jīng)濟建設(shè)有助較大的威脅。在此基礎(chǔ)上，支持向量機的建設(shè)，能夠優(yōu)化產(chǎn)業(yè)風險結(jié)構(gòu)，實現(xiàn)度機械故障及時診斷。

二、分析支持向量機的機械故障算法

支持向量機模式與線性可分最有分類面有著直接聯(lián)系，當存在分類間隔最大值時，就能保證推廣性內(nèi)保證經(jīng)驗風險最小，讓其能夠成為最有分類面。

（一）可分性線性特征

對于線性而言，通過在分類問題中輸入相關(guān)數(shù)據(jù)

，借助內(nèi)部樣本的多特征性就能滿足一定程度的樣本建設(shè)需求。讓存在的數(shù)據(jù)信息呈現(xiàn)超平面或決策邊緣特性，就需要借助算法將數(shù)據(jù)目標按照正負數(shù)分類隔開。同時要讓任意樣本的點到平面距離

這種方式將上下界隔開，讓上方屬于正類，下方反之。雙方邊界上正、負類樣本定義為支持向量。這樣能夠為一定的范圍內(nèi)的機械問題爭端提供依據(jù)和大量的參考樣本。

（二）損失函數(shù)特征

損失函數(shù)主要是運用于不存在線性可分性的分類問題上，此時部分支持向量不符合規(guī)則直接進入了邊界內(nèi)部，或者落實錯誤決策一欄?，F(xiàn)將損失函數(shù)進行數(shù)據(jù)化分析：

以上可知，損失函數(shù)并不是連續(xù)函數(shù)，因此也不適用于優(yōu)化問題，經(jīng)過向支持向量機處理后，采取鉸鏈損失函數(shù)，能夠?qū)崿F(xiàn)相關(guān)連續(xù)性分析。

（三）相關(guān)風險以及正則化算法

通過上方損失函數(shù)算法影響，也可以定義相關(guān)經(jīng)驗風險算法：

其中f表示的是數(shù)據(jù)分類器，該經(jīng)驗風險算法能夠確定相關(guān)分類器運行穩(wěn)定狀態(tài)和可行性。借助該算法能夠?qū)⒔?jīng)驗風險降到最低。

正則化的目的是對分類器進行求解，其中C指的是正則化相關(guān)系數(shù)，這種方式能夠建設(shè)以SVW硬邊界為主的最小化風險的結(jié)構(gòu)分類器，以確保一定范圍內(nèi)數(shù)據(jù)分析風險，同時優(yōu)化經(jīng)驗風險。

（四）其他算法研究

除開以上常見分類算法之外，支持向量機在機械故障診斷方面還有較多突破，如多分法的研究運用，該項算法能夠?qū)收线M行全面評判，對其進行分類，同時也能對各種故障類型進行區(qū)分。同時，核函數(shù)研究也能應(yīng)對多種設(shè)備故障的判斷處理。

結(jié)語

綜上所述，受傳統(tǒng)建設(shè)管理方式影響，相關(guān)操作管理人員不能有效地預(yù)測，控制機械故障發(fā)生頻率，這對企業(yè)設(shè)備技術(shù)和經(jīng)濟建設(shè)有助較大的威脅。在機械故障診斷領(lǐng)域中，機械向量機有著較強實用性。本文針對其運行特征和算法類型進行了分析，對機械故障中學習樣本較少的問題進行了研究。本文針對常見算法和運行原理，對支持向量機各項運用和智能化建設(shè)做出了闡述。然而該項技術(shù)在故障診斷領(lǐng)域中應(yīng)用范圍還有待探討，因此，建議相關(guān)企業(yè)、機構(gòu)加強對其研究，有助于支持向量機技術(shù)的全面發(fā)展，同時也帶動相關(guān)機械產(chǎn)業(yè)安全性，綜合性建設(shè)。

參考文獻：

[1]袁勝發(fā)，褚福磊.支持向量機及其在機械故障診斷中的應(yīng)用[J].振動與沖擊，2013（11）：29-35+58+181.

[2]郝騰飛，陳果.旋轉(zhuǎn)機械故障的拉普拉斯支持向量機診斷方法[J].中國機械工程，2016，27（01）：73-78.

[3]王長林，陳鴻寶，林瑋，等.SVM模式識別技術(shù)及在機械故障診斷中的應(yīng)用進展[J].桂林電子科技大學學報，2016，29（03）：256-259.