基于改进的超球支持向量机的有杆抽油泵故障诊断研究

针对神经网络对有杆抽油泵系统进行故障诊断存在的缺陷以及支持向量机在大规模训练样本或训练样本严重不平衡时的多分类问题求解中能效不足,提出了基于改进分类策略的超球支持向量机多分类算法。赋予3种工作集选择方式的贯序最小优化算法用于支持网格搜索模型以便进行参数寻优,避免了参数选择的盲目性和随意性。根据训练样本规模适时引入核缓存技术和上三角矩阵策略,使得寻优耗时减少。开发了基于Java语言、功能完备的超球支持向量机工具箱HSSVM-1.17。利用HSSVM-1.17对抽油泵工况进行了多分类仿真试验,并与BP神经网络、支持向量机方法加以比较。试验结果表明:改进后的超球支持向量机算法理论严谨、参数寻优迅速、分类精度高、自适应好,适用于采油工程领域中大规模复杂的故障诊断问题。