基于半监督学习的机械设备离群状态智能预报方法研究

针对旋转机械系统健康监控中设备离群状态早期检测的难题，从现代信号处理技术、无监督学习与核学习等方法出发，结合半监督学习的理论思想，研究基于正常状态样本的设备早期离群状态预报的若干理论与方法；从数据驱动角度出发，将主动学习思想引入样本的学习过程，主动选择利于分类的样本，研究基于支持向量机、核判别分析、核函数估计的半监督离群监测方法；以齿轮箱为对象，进行典型故障特征提取实验和疲劳试验，研究离群状态的模式演化特征，研究基于支持向量回归、基于核函数估计的趋势分析方法，对离群状态的发生、发展与演变过程进行预测。通过本项目研究为诊断知识获取、离群状态早期预报等提供新方法和新工具，促进智能预报与诊断方法走向实用。