基于LAR和在线LS-SVR的非线性时间序列故障预报

摘要：

针对非线性系统的故障预报,设计了一种在线最小二乘支持向量回归机(LS-SVR)算法,提出了一种基于在线LS-SVR和线性AR(LAR)混合预测的故障预报新方法.用LAR对非线性系统进行局部线性建模,用LS-SVR在线补偿局部线性模型的建模误差,实现了非线性时间序列的一步预测,并推广到N步预测.基于已知的正常时间序列数据,直接对当前N步预测值进行异常估计,实现故障预报,提高了实时性.同时方法的误检率和漏检率还可人为调整,对不同对象具有普遍性.仿真实验证明了方法的有效性.

关键词：故障预报、时间序列预测、异常估计、最小二乘支持向量回归机

所属期刊栏目：35

分类号：TM307.1(电机)

资助基金：上海市高校优秀青年教师专项基金资助项目gcd07047

在线出版日期：2010-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：66-71