基于改进AdaBoost算法的柴油机故障诊断研究

尚前明 刘治江 曹玉佩 尹文龙

(武汉理工大学能源与动力工程学院 武汉 430063)

0 引 言

船舶柴油机作为一种复杂的动力机械，其运行状态及机械性能的优劣直接影响到船舶运输的安全性和舒适性[1].伴随着船舶现代化、智能化水平的逐渐增高，船舶柴油机的智能化故障诊断成为了一个重要发展方向.近年来随着传感器的更替与人工智能的快速发展，支持向量机算法在应对高维小样本分类时显现出巨大的优势，己广泛应用于机械故障诊断中[2].如何对支持向量机进行参数优化，提高故障诊断的识别精度，也成为了近年来研究的热点[3].

Freund等[4]在Boosting算法基础上提出AdaBoost(adaptive boosting)，其可以将多个弱分类器组合成为精度比单个弱分类器更高的强分类器.文中将SVM与Adaboost算法相融合形成一个经过迭代提升改进的二分类器，并采用PSO对SVM的核函数及惩罚参数进行优化，从而在提高分类准确度的基础上有更好的泛化能力.以MAN B&W 7K98MC型船用大型低速二冲程柴油机为研究对象，运用Matlab/Simulink建立基于容积法的柴油机整机零维模型.在验证模型误差低于5%后，以模拟的故障仿真数据作为训练集和测试集.

1 改进的AdaBoost算法原理

1.1 AdaBoost 算法

集成学习(ensemble learning)是通过构建且合并多个学习器来解决问题的一种算法，也被称为多分类器系统[5].作为集成学习算法，AdaBoost算法结合多个学习模型作为一个整体，以此来提高算法的学习能力与泛化能力.其虽然是由Boosting发展而来的序列化集成方法，但不同于Boosting算法中对样……