SVM及其在船舶航向控制系统故障预报中的应用研究

论文摘要

船舶的航向控制是一个复杂而重要的问题,如果船舶航行时航向控制系统出现故障,就可能造成重大的影响,甚至会造成人员的伤亡,所以仅在故障发生后进行故障诊断是远远不够的。船舶航向控制系统故障预报技术的开发,可以避免不必要的停航,防止故障进一步发展,并且可以提前做好准备,缩短检修时间,对于获得最大的经济效益具有积极的意义。因此进行船舶航向控制系统故障预报技术研究具有非常重要的意义。本文采用针对小样本问题的支持向量机算法（Support Vector Machines,SVM）,对船舶航向控制系统的故障预报技术进行研究。在分析船舶航向控制系统故障模式及故障原因的基础上,构建了该系统的故障树模型,采用下行法对故障树进行了定性分析,并对船舶航向控制系统进行了故障建模与仿真。推导出了基于支持向量机的时间序列预报方法,并将该方法应用于sinc函数和Lorenz混沌映射这两个时间序列的预报中,同时将移动平均法和指数平滑法的预报结果与之进行比较,仿真结果表明支持向量机回归算法能获得较高的预报精度。在分析系统故障发生和演变过程的基础上,建立了基于支持向量机回归算法的故障预报模型。针对将支持向量机应用于故障预报时,故障特征选择优化、加权SVM的加权系数优化、SVM的参数优化是相互关联的,而不是孤立的,提出将三者并行优化的方法;将动物的捕食搜索策略引入到基本鱼群算法中,形成了一种改进人工鱼群算法,并用这种改进的鱼群算法并行优化。仿真结果验证了并行优化方法和改进鱼群算法的有效性和优越性。针对支持向量机在故障预报时应同时追求训练精度高和训练速度快,提出了从多目标优化的角度对SVM算法的这两个性能指标进行综合考虑,并采用直接对多个目标同时优化的方法来求解Pareto近似解集;将免疫算法引入鱼群算法中,形成了改进的免疫鱼群算法,并采用改进的免疫鱼群算法来求取Pareto近似解集。仿真结果验证了多目标优化方法和改进的免疫鱼群算法的有效性和优越性。针对支持向量机回归算法中,核函数对其回归效果的影响,提出选用多项式核函数、径向基核函数和Sigmoid核函数构造不同的SVM算法,建立了三种船舶航向控制系统故障预报的SVM单预报模型,并根据组合预报原理建立了基于小波网络的SVM组合预报模型,仿真结果验证了SVM组合预报模型的优越性。对预报出的航向角偏差进行统计分析,并将统计值与给定阈值作比较,实现了船舶航向控制系统的故障预报。以所建故障树为依据建立专家知识库,在C++Builder 6.0语言环境下实现了故障预报的可视化。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文的背景及意义
• 1.2 船舶航向控制系统
• 1.2.1 舵控制系统
• 1.2.2 船舶动力装置
• 1.3 故障预报技术国内外发展概况
• 1.4 支持向量机理论国内外发展概况
• 1.5 本文主要研究内容
• 第2章 船舶航向控制系统故障建模
• 2.1 引言
• 2.2 船舶航向控制系统故障模式及原因分析
• 2.2.1 舵控制系统故障分析
• 2.2.2 船舶动力装置故障分析
• 2.3 船舶航向控制系统故障树构建
• 2.3.1 故障树的基本概念和符号
• 2.3.2 故障树构建
• 2.3.3 故障树定性分析
• 2.4 船舶航向控制系统故障建模
• 2.4.1 船舶运动建模
• 2.4.2 舵控制系统建模
• 2.4.3 船舶动力装置建模
• 2.4.4 故障模型下船舶航向仿真
• 2.5 本章小结
• 第3章 支持向量机在故障预报中的应用研究
• 3.1 引言
• 3.2 支持向量机回归算法
• 3.2.1 回归问题数学提法
• 3.2.2 支持向量机理论基础
• 3.2.3 支持向量机回归原理
• 3.2.4 支持向量机模型选择
• 3.3 支持向量机回归算法预报能力分析
• 3.3.1 基于支持向量机的时间序列预报方法
• 3.3.2 预报能力评价准则
• 3.3.3 时间序列预报仿真
• 3.4 支持向量机回归算法在故障预报中的应用
• 3.4.1 支持向量机回归算法在故障预报中的应用意义
• 3.4.2 基于支持向量机的故障预报模型
• 3.5 本章小结
• 第4章 故障预报并行优化技术研究
• 4.1 引言
• 4.2 改进人工鱼群算法
• 4.2.1 基本人工鱼群算法
• 4.2.2 基于动物捕食搜索策略的人工鱼群算法
• 4.3 优化模型的建立
• 4.3.1 特征选择优化模型建立
• 4.3.2 SVM参数优化模型建立
• 4.3.3 加权系数优化模型建立
• 4.3.4 并行优化模型建立
• 4.3.5 仿真结果及分析
• 4.4 本章小结
• 第5章 SVM算法性能多目标优化研究
• 5.1 引言
• 5.2 SVM算法性能评价指标
• 5.3 SVM算法性能的多目标优化
• 5.3.1 多目标优化问题的数学描述
• 5.3.2 SVM算法性能的 Pareto最优解集
• 5.3.3 Pareto近似解集求解方法
• 5.3.4 改进的免疫鱼群算法
• 5.4 基于免疫鱼群算法的 SVM算法性能多目标优化
• 5.4.1 多目标优化模型建立
• 5.4.2 算法步骤
• 5.4.3 仿真结果及算法性能评价
• 5.5 本章小结
• 第6章 船舶航向控制系统故障组合预报研究
• 6.1 引言
• 6.2 组合预报的基本原理及方法
• 6.3 船舶航向控制系统故障组合预报模型建立
• 6.3.1 学习集选取
• 6.3.2 SVM实时预报模型建立
• 6.3.3 故障组合预报模型建立
• 6.4 基于小波网络的组合预报模型中最优权系数的确定
• 6.4.1 最优权系数确定方法
• 6.4.2 训练方法
• 6.5 船舶航向控制系统故障组合预报仿真结果及分析
• 6.6 可视化船舶航向控制系统故障预报
• 6.6.1 故障预报专家系统
• 6.6.2 可视化故障预报实例
• 6.7 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢