无参数系统辨识及其在故障诊断中的应用研究

随着生产设备的复杂化，系统呈现高度的非线性和不确定性，使得基于机理建模的故障诊断越来越困难，所以，数据建模的系统辨识故障诊断方法受到关注。传统系统辨识虽有相对成熟的理论和应用成果，但都遵循模型类模式，难以得到针对数据的个性化故障诊断模型。为此，国际上倡导学习理论与系统辨识结合，创建基于学习理论的无参数系统辨识理论，但是至今鲜见显著成果。本项目直接从数据入手，通过构建基于学习理论的无参数系统辨识模型，从实质上改变估计模型的方式，探索创建基于学习理论的无参数系统辨识理论的途径。作法是，从输入/输出分类数据入手，通过提取数据中隐含的空间知识信息，确定合理的分类"准则"，在准则下构建基于计算学习理论的有效学习算法，实现硬分类数据软化，且软分类保持对训练样本有良好的分类"一致性"。建立基于软分类的故障诊断模型。研究无参数系统辨识在齿轮箱齿面磨损故障诊断中的应用。