基于不平衡支持向量数据描述的故障诊断算法

分析无监督和监督故障诊断方法的特点,提出一种能够结合两者优势的不平衡支持向量数据描述(ISVDD)算法。该算法具有无监督故障诊断方法的优势,通过描述正常工况样本的边界分布状况,寻找最能代表正常工况特点的特征。借鉴监督故障诊断方法,引入故障工况样本中蕴含的判别信息,更准确地描述正常工况样本的真实边界。针对故障诊断中常见的类别不平衡情况进行优化,将传统的SVDD中对样本类别分布敏感的经验误差替换为对样本类别分布鲁棒的曲线下面积。数值仿真和工业实例验证了提出算法的有效性。