支持向量机故障诊断及控制技术PDF电子书下载

第1章 绪论 1

1.1研究意义 1

1.2控制系统故障诊断技术概述 4

1.2.1故障及故障诊断的定义 4

1.2.2控制系统故障诊断的任务及过程 4

1.2.3故障诊断方法的分类 4

1.2.4故障诊断技术的国内外研究现状 13

1.2.5故障诊断技术的发展趋势 14

1.3自动控制技术发展概述 15

1.3.1经典控制理论 15

1.3.2现代控制理论 16

1.3.3智能控制理论 16

1.4统计学习理论与支持向量机的研究及发展现状 23

1.4.1学习机器的定义及性能指标 23

1.4.2传统机器学习理论的缺陷 23

1.4.3统计学习理论的提出 24

1.4.4支持向量机的发展历史 25

1.4.5支持向量机的优点 26

1.4.6支持向量机的应用范围 27

1.5基于SVM的控制系统辨识建模的国内外研究现状 27

1.5.1国外研究现状 27

1.5.2国内研究现状 27

1.6基于SVM的故障诊断的国内外研究现状 28

1.6.1国外研究现状 28

1.6.2国内研究现状 28

1.7本书的内容及章节安排 29

参考文献 30

第2章 统计学习理论与支持向量机 35

2.1统计学习理论 35

2.1.1机器学习问题的描述 35

2.1.2学习过程的一致性理论 37

2.1.3 VC维 38

2.1.4推广性的界 40

2.1.5结构风险最小化原则 41

2.2支持向量机基本理论 42

2.2.1线性可分支持向量机 42

2.2.2广义线性支持向量机 45

2.2.3核特征空间的非线性映射算法 46

2.2.4非线性支持向量机 47

2.3回归型支持向量机 50

2.3.1回归问题的数学描述 50

2.3.2ε不敏感损失函数 50

2.3.3线性回归型支持向量机 52

2.3.4非线性回归型支持向量机 55

2.4本章小结 57

参考文献 58

第3章 基于SVR的控制系统辨识建模 60

3.1系统辨识建模概述 60

3.1.1系统建模方法 60

3.1.2系统辨识的定义 60

3.1.3系统辨识的分类 61

3.1.4系统辨识的基本原理 63

3.1.5传统的系统辨识方法的缺陷 63

3.2基于支持向量机的控制系统辨识建模理论和方法 64

3.2.1基于支持向量机的控制系统辨识的任务 64

3.2.2支持向量机正向辨识建模 65

3.2.3支持向量机模型的选择 66

3.2.4辨识信号的选择 69

3.2.5采样周期的选择 69

3.2.6基于SVM的辨识建模算法 70

3.3基于SVR的开环控制系统辨识建模仿真试验 70

3.3.1线性系统的辨识建模仿真试验 71

3.3.2非线性系统的辨识建模仿真试验 72

3.4基于支持向量机的闭环控制系统辨识建模理论和方法 74

3.4.1闭环控制系统辨识建模的特点 74

3.4.2闭环控制系统的经典辨识方法 75

3.4.3基于SVM的闭环控制系统辨识建模的方法 75

3.5本章小结 76

参考文献 76

第4章 基于SVR的控制系统故障诊断 78

4.1基于解析余度的故障诊断理论和方法 78

4.1.1控制系统故障的数学描述 78

4.1.2基于解析余度的故障诊断思想 80

4.1.3基于解析余度的故障诊断步骤 81

4.1.4故障的可检测性 81

4.2基于支持向量机的控制系统故障诊断理论及方法 83

4.2.1基于支持向量机的故障诊断方式 83

4.2.2基于支持向量机故障诊断的思想及特点 87

4.2.3基于支持向量机的控制系统故障诊断方法 88

4.2.4基于支持向量机的控制系统故障诊断算法 90

4.3基于SVR的开环控制系统故障诊断仿真试验 91

4.3.1线性系统的故障诊断仿真试验 91

4.3.2非线性系统的故障诊断仿真试验 93

4.4基于支持向量机的闭环控制系统故障诊断理论和方法 94

4.4.1闭环控制系统故障诊断的特点 94

4.4.2基于支持向量机的闭环控制系统故障诊断策略 95

4.4.3基于支持向量机的闭环控制系统故障诊断的思想 97

4.5基于SVR的闭环控制系统故障诊断仿真试验 97

4.5.1闭环控制系统的仿真参数 97

4.5.2故障诊断策略 97

4.5.3 SVR辨识建模 98

4.5.4 SVR辨识模型的校验 99

4.5.5传感器恒增益故障的诊断 101

4.5.6传感器恒偏差故障的诊断 102

4.5.7传感器卡滞型故障的诊断 103

4.5.8元件2恒增益故障的诊断 103

4.5.9元件2恒偏差故障的诊断 104

4.5.10元件2卡滞型故障的诊断 104

4.5.11仿真结果分析 105

4.6本章小结 108

参考文献 108

第5章 电液位置伺服系统故障诊断 110

5.1电液伺服控制系统概述 110

5.1.1液压伺服控制系统的定义及工作原理 110

5.1.2液压伺服控制系统的分类 110

5.1.3电液伺服控制的发展历史 111

5.1.4电液伺服控制系统的优缺点 112

5.1.5液压伺服控制的发展方向 113

5.2最小二乘支持向量机的回归算法 113

5.3电液位置伺服系统的数学描述 115

5.3.1伺服放大器的传递函数 115

5.3.2电液伺服阀的传递函数 116

5.3.3阀控液压缸的传递函数 116

5.3.4位移传感器的传递函数 120

5.4电液位置伺服系统故障诊断策略 120

5.5基于SVR的电液位置伺服系统故障诊断仿真试验 122

5.5.1电液位置伺服系统的仿真参数 122

5.5.2 SVR的辨识建模 122

5.5.3 SVR辨识模型的校验 123

5.5.4传感器恒增益故障的诊断 125

5.5.5传感器恒偏差故障的诊断 126

5.5.6伺服阀恒增益故障的诊断 126

5.5.7伺服阀恒偏差故障的诊断 126

5.6基于LS - SVM的电液位置伺服系统故障诊断仿真试验 127

5.6.1电液位置伺服系统的仿真参数 127

5.6.2 LS-SVM的辨识建模 127

5.6.3 LS-SVM辨识模型的校验 128

5.6.4传感器恒增益故障的诊断 130

5.6.5传感器恒偏差故障的诊断 130

5.6.6伺服阀恒增益故障的诊断 131

5.6.7伺服阀恒偏差故障的诊断 131

5.7 SVR与LS-SVM的仿真试验结果对比分析 132

5.8本章小结 132

参考文献 132

第6章 液压舵机双闭环系统故障诊断 134

6.1 LS - SVM的改进算法 135

6.1.1 LS-SV M的特性 135

6.1.2加权LS-SVM的回归算法 135

6.1.3稀疏LS-SVM 137

6.2液压四余度舵机的结构、工作原理及故障分析 138

6.2.1某型飞机平尾四余度液压舵机的结构及工作原理 138

6.2.2某型四余度液压舵机伺服控制系统工作原理 140

6.2.3某型四余度液压舵机单通道伺服控制系统的典型故障分析 141

6.3液压舵机数学模型的描述 143

6.4基于SVM的液压舵机故障诊断策略 145

6.5液压舵机故障诊断仿真试验及结果分析 146

6.5.1仿真参数 146

6.5.2液压舵机的加权LS-SVM辨识建模 146

6.5.3液压舵机的加权LS-SVM辨识模型的校验 147

6.5.4外传感器恒增益故障的诊断 149

6.5.5外传感器恒偏差故障的诊断 150

6.5.6伺服阀喷嘴堵塞型故障的诊断 151

6.5.7伺服阀泄漏型故障的诊断 151

6.5.8内传感器恒增益故障的诊断 152

6.5.9内传感器恒偏差故障的诊断 153

6.6本章小结 153

参考文献 154

第7章 基于SVM的飞控系统故障诊断 155

7.1飞行控制系统故障诊断研究概述 155

7.1.1飞行控制系统故障诊断的意义 155

7.1.2飞行控制系统故障诊断技术的发展历程 156

7.1.3飞行控制系统故障诊断技术的发展方向 156

7.1.4自修复飞行控制系统研究概述 157

7.2基于支持向量机的飞控系统传感器故障诊断理论和方法 158

7.2.1飞控系统传感器故障诊断的意义 158

7.2.2基于SVM的飞控系统传感器故障诊断的理论和方法 159

7.2.3基于SVM的飞控系统传感器的故障诊断策略 161

7.3仿真试验及结果分析 162

7.3.1飞控系统的仿真模型 162

7.3.2基于LS-SVM的辨识建模 162

7.3.3 LS-SVM辨识模型的校验 163

7.3.4纵向速度传感器恒偏差故障的诊断 168

7.3.5迎角传感器恒增益故障的诊断 168

7.3.6俯仰角速度传感器恒增益故障的诊断 169

7.3.7俯仰角传感器恒增益故障的诊断 169

7.4本章小结 170

参考文献 170

第8章 基于SVM的直接逆模型控制 172

8.1逆系统方法和理论 173

8.1.1逆系统的定义 173

8.1.2伪线性复合系统 174

8.1.3逆系统的正则性 175

8.1.4逆系统方法的基本原理 175

8.1.5系统可逆性判别 176

8.2基于SVM的控制系统直接逆模型控制理论和方法 177

8.2.1 SISO系统的直接逆模型控制描述 177

8.2.2支持向量机α阶时延逆系统的辨识建模 177

8.2.3基于支持向量机的直接逆模型控制 178

8.2.4基于支持向量机的直接逆模型控制算法 179

8.3基于SVM的控制系统逆模型复合控制理论和方法 181

8.3.1直接逆模型控制的缺陷 181

8.3.2直接逆模型控制的改进方法 181

8.3.3支持向量机逆模型控制+输出反馈控制的复合控制 181

8.3.4支持向量机逆模型控制+输出反馈PID控制的复合控制 182

8.4线性系统的直接逆模型控制仿真试验 186

8.4.1线性系统仿真模型 186

8.4.2基于SVR的线性系统直接逆模型控制 186

8.4.3基于LS-SVM的线性系统直接逆模型控制 189

8.4.4结论 192

8.5非线性系统的直接逆模型控制仿真试验 192

8.5.1非线性系统仿真模型 192

8.5.2基于SVR的非线性系统直接逆模型控制 192

8.5.3基于IS-SVM的非线性系统直接逆模型控制 194

8.5.4结论 197

8.6本章小结 197

参考文献 197

第9章 基于SVM的内模控制 199

9.1内模控制原理 200

9.1.1内模控制系统的基本结构 200

9.1.2内模控制系统的特性 200

9.1.3内模控制器的设计 202

9.2基于支持向量机的内模控制理论与方法 203

9.2.1基于支持向量机的内模控制的系统结构 203

9.2.2内部模型的建立 204

9.2.3逆模型控制器的建立 204

9.2.4基于支持向量机的内模控制算法 205

9.3线性系统的内模控制仿真试验 207

9.3.1线性系统仿真模型 207

9.3.2基于SVR的线性系统内模控制 207

9.3.3基于LS-SVM的线性系统内模控制 210

9.3.4结论 212

9.4非线性系统的内模控制仿真试验 212

9.4.1非线性系统仿真模型 212

9.4.2基于SVR的非线性系统内模控制 212

9.4.3基于加权LS-SVM的非线性系统内模控制 217

9.4.4结论 222

9.5本章小结 222

参考文献 222

第10章 展望 224

附录A支持向量机工具箱的加载方法 228

附录B光盘程序清单及说明 230

附录C中英文术语对照表 231