王德成， 林辉

(西北工业大学自动化学院，陕西西安710072)

0 引言

随着航空科学技术的发展以及对新一代武器性能要求的不断提高，对电动舵机的可靠性、可维护性和有效性等指标要求越来越高［1］。永磁同步电机采用永久磁铁产生气隙磁通而不需要外部励磁，具有极好效率特性、极高功率密度以及转矩/惯量比等优点，成为电动舵机驱动电机首选。永磁同步电机驱动电路在运行过程中，常出现驱动电路故障［2－3］。驱动电路故障会导致输出波形畸变，严重影响电机的转速和输出转矩，使得电动舵机性能下降。研究永磁同步电机驱动电路故障诊断，有助于提高电动舵机的性能。

支持向量机(support vector machine，SVM)是一种基于结构风险最小原理的机器学习方法［4］。他通过非线性映射将输入向量映射到高维特征空间中，然后在此构建最优分类面。该分类面不仅能够尽可能多的将两类数据点正确的分开，同时使分开的两类数据点距离分类面最远。SVM在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，在故障诊断领域得到很好的应用［5］。

由于故障样本难以获得，训练集中不同类别之间的故障样本数量很难达到一致，即样本集呈现不平衡分布特性。各类样本数量不同时，SVM预测过程具有倾斜性，对样本数量多的类别，其训练误差和预测误差小;而对样本数量少的类别，其训练误差和预测误差大［6－7］。不平衡数据分类方法大致可分为两类:基于算法层面的方法和基于数据层面的方法［8－15］。……