复杂系统支持向量机建模与故障预报【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

复杂系统支持向量机建模与故障预报PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 引言1

1.2 故障预报方法的研究现状2

1.2.1 模型驱动方法3

1.2.2 数据驱动方法4

1.2.3 定性知识驱动方法6

1.3 基于支持向量机的故障预报方法的研究现状7

1.3.1 故障预报问题的特点7

1.3.2 统计学习理论8

1.3.3 支持向量机13

1.3.4 研究现状15

1.4 本书的内容17

第2章 基于支持向量预选取的one-class SVM故障预报模型19

2.1 引言19

2.2 问题描述20

2.3 one-class SVM模型20

2.3.1 超平面20

2.3.2 超球体22

2.4 支持向量预选取24

2.4.1 超平面的支持向量预选取25

2.4.2 超球体的支持向量预选取28

2.4.3 确定选取样本的个数30

2.4.4 算法复杂度分析31

2.5 故障预报算法步骤32

2.6 仿真实例和结果分析33

2.6.1 同心圆环样本支持向量预选取33

2.6.2 电机数据故障预报35

2.7 本章小结38

第3章 自适应动态无偏LSSVM故障预报模型39

3.1 引言39

3.2 最小二乘支持向量机及在线算法40

3.3 动态无偏最小二乘支持向量机43

3.3.1 初始预测模型43

3.3.2 增加样本46

3.3.3 消减样本48

3.4 自适应动态无偏最小二乘支持向量机49

3.4.1 滑动时间窗长度的自适应选取49

3.4.2 算法复杂度分析51

3.5 仿真实例和结果分析51

3.5.1 混沌时间序列预测51

3.5.2 非线性系统在线预测跟踪54

3.5.3 二容水箱故障预报55

3.6 本章小结58

第4章 多输出支持向量回归机故障预报模型60

4.1 引言60

4.2 问题描述61

4.3 支持向量回归机62

4.4 多输出支持向量回归机64

4.4.1 线性模型64

4.4.2 偏置求取算法73

4.4.3 非线性模型74

4.5 多输出最小二乘支持向量机75

4.5.1 模型设计75

4.5.2 算法性质分析78

4.6 仿真实例和结果分析79

4.6.1 时间序列多步预测79

4.6.2 多输入多输出系统故障预报81

4.7 本章小结84

第5章 支持向量机概率密度估计故障预报模型85

5.1 引言85

5.2 支持向量机概率密度估计86

5.3 算法改进89

5.3.1 单松弛因子支持向量机概率密度估计模型89

5.3.2 单松弛因子多核支持向量机概率密度估计模型92

5.3.3 非耦合数据合成概率密度估计93

5.3.4 算法复杂度分析94

5.3.5 仿真实例和结果分析94

5.4 基于支持向量机概率密度估计的故障预报96

5.4.1 问题描述96

5.4.2 异常程度的衡量97

5.4.3 仿真实例和结果分析98

5.5 本章小结103

第6章 基于支持向量机的惯性器件故障预报104

6.1 引言104

6.2 基于单维漂移数据的惯性器件故障预报104

6.2.1 基于支持向量预选取one-class SVM的故障预报105

6.2.2 基于自适应动态无偏LSSVM的故障预报107

6.2.3 基于多输出支持向量回归机的故障预报109

6.3 某惯性平台系统故障预报110

6.3.1 平台系统漂移系数的求取110

6.3.2 基于超球体模型的故障预报111

6.4 本章小结113

第7章 复杂系统故障预报新技术展望114

7.1 全流程故障预报技术114

7.2 多元时序驱动的故障预测和多核机器建模与学习相融合114

7.3 多元数据驱动故障预报方法的最新进展116

7.3.1 故障预测与可靠性评估方法的最新进展116

7.3.2 数据驱动的基于核机器学习的故障预测与可靠性评估方法最新进展117

7.4 多元数据驱动的复杂系统全流程故障预报方案设计120

参考文献122

内容简介133