论文部分内容阅读
研究柴油机故障的自动纠错问题,提高纠错可靠性。针对柴油机复杂的内部结构,利用提取的待检测零件数据构建故障检测目标函数,柴油机发生故障时的复杂数据构造的目标函数具有多极值特性,传统的通过直接对目标函数训练找到最优解的神经网络纠错方法极易陷入局部极小而不能准确检测柴油机故障,导致柴油机故障自动纠错的可靠性不高。为解决上述问题,提出利用支持向量机的自动纠错方法,可提取的零件数据训练目标函数得到粗糙集特征空间,构建粗糙集最优分割超平面,在向量学习机内训练超平面找到全局最优解,避免了传统方法故障检测时陷入局部