一种新型多分类支持向量算法及其在故障诊断中的应用

层次支持向量机(H-SVM)比通常的多分类支持向量算法具有更快的训练速度和分类速度,便于实现在线分类。提出一种基于H-SVM的多类故障诊断方法,根据特征空间中各类故障样本中心之间的距离来逐层划分子类,距离较近的故障样本归为同一个子类进行训练,得到的H-SVM层次结构合理,各层的SVM分类间隔大、泛化性能强。另外,用ν-SVM代替通常的C-SVM作为两类分类器,分类器参数意义明确、变化范围小,更容易确定。针对一个涡轮喷气发动机气路部件故障诊断的仿真实验表明,设计的故障分类器具有良好的分类准确性和泛化性能,可以对发动机气路部件的典型故障进行快速诊断。作为应用实例,对JT9D发动机的6种实际故障进行了有效诊断。