向阳辉，张干清，庞佑霞，郭振华

(1.长沙学院机电工程系 长沙，410003) (2.宁波高博科技有限公司 宁波，315400)



多分类SVM的代价敏感加权故障诊断方法*

向阳辉1，张干清1，庞佑霞1，郭振华2

(1.长沙学院机电工程系 长沙，410003) (2.宁波高博科技有限公司 宁波，315400)

为了在支持向量机(support vector machine,简称SVM)中合理引入代价敏感机制来降低故障误诊断的代价，提出一种多分类SVM的代价敏感加权故障诊断方法。该方法通过对多分类SVM的硬判决得票矩阵进行代价敏感加权，将故障误诊断的代价作为权重融入SVM的硬判决，并分析硬判决的得票数和得票权重，从而构造出各故障的概率分配，最终实现多分类故障的SVM代价敏感加权诊断及概率输出。实验结果表明，多分类SVM代价敏感加权处理的诊断结果更趋向于高代价故障，所提方法能够有效降低故障误诊断的代价。

代价敏感； 支持向量机； 故障诊断； 代价矩阵； 加权

引 言

在工业生产过程中，不同故障对设备的危害程度通常是不同的，即故障误诊断所带来的代价(损失)存在较大差异[1-2]。如果将存在故障的设备误诊断为正常，将会延误故障处理，危害设备安全，造成巨大经济损失，甚至危及人身安全；反之虽也需花费人力、物力来处理该误报故障，但相比前者所付出的代价显著降低。同样，将高危害故障误诊断为低危害故障也要比相反情况付出更高的代价。因此在实际故障诊断中，不能只追求最大化诊断正确率，而应以误诊断代价最小化为故障诊断目标。……