通過(guò)分析電機(jī)故障模式識(shí)別的原理，提出應(yīng)用回歸型支持向量機(jī)進(jìn)行電機(jī)故障特征學(xué)習(xí)和分類的方法；從回歸型支持向量機(jī)的基本原理出發(fā)，探討線性回歸與非線性回歸兩種情形，對(duì)其預(yù)測(cè)能力進(jìn)行分析得到誤差計(jì)算公式； 在其基礎(chǔ)上建立同步電機(jī)故障診斷模型并進(jìn)行仿真，通過(guò)電壓波形處理前后的對(duì)比，能夠及時(shí)檢測(cè)到故障的發(fā)生并進(jìn)行識(shí)別，而驗(yàn)證了回歸型支持向量機(jī)是電機(jī)故障診斷在線檢測(cè)的一種有效方法；但如何把已有的先驗(yàn)知識(shí)應(yīng)用到SVM 訓(xùn)練中仍然是一個(gè)懸而未決的問(wèn)題。
電機(jī)的狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)研究，對(duì)提高電機(jī)的維護(hù)管理水平，保障其運(yùn)行可靠性有重要意義。經(jīng)過(guò)多年的研究與努力，人們已開發(fā)出一些比較成熟的狀態(tài)監(jiān)測(cè)技術(shù)和方法，可對(duì)多種電機(jī)故障狀態(tài)進(jìn)行監(jiān)測(cè)、識(shí)別和診斷。由于電機(jī)故障機(jī)理的復(fù)雜性，難以對(duì)實(shí)際故障建模，又加上環(huán)境噪聲難以估計(jì)，因而很難形成一個(gè)準(zhǔn)確的故障診斷判據(jù)。近年來(lái)，出現(xiàn)了利用支持向量機(jī)對(duì)電機(jī)故障進(jìn)行診斷是一種很有發(fā)展前景的診斷方法。支持向量機(jī)(sVM)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展出的一種模式識(shí)別方法。SVM 方法能在樣本數(shù)較少的情況下獲得很好的分類推廣能力，對(duì)于小樣本、非線性及高維模式識(shí)別問(wèn)題的解決具有許多特有的優(yōu)勢(shì)[1]。目前，支持向量機(jī)方法在很多領(lǐng)域得到了應(yīng)用。本文通過(guò)對(duì)回歸型支持向量機(jī)的研究，探討了回歸型支持向量機(jī)在電機(jī)故障診斷方面的應(yīng)用。