基于PCA和HMM-支持向量机的故障诊断方法设计

为了提高复杂系统运行的有效性和可行性,避免系统发生故障时造成巨大的财产损失甚至灾难性的后果,提出了一种基于PCA(Principal Component Analysis,PCA)和HMM(Hidden Markov model,HMM)-支持向量机的故障诊断方法;首先获取故障征兆特征向量,然后采用PCA主成分分析法对特征向量进行降维以减少样本数据的复杂性,将降维后的训练样本数据输入HMM模型和支持向量机模型进行训练得到最终的HMM-支持向量机混合模型,最后将降维后的测试样本数据输入最终的HMM-支持向量机混合模型进行故障诊断;在Matlab仿真环境下进行故障诊断实验,结果证明文中故障诊断精度高达98.9%,与其它方法相比,不仅具有较少的诊断时间而且具有较高的诊断精度,具有很强的可行性。