摘 要：簡要介紹了回歸型支持向量機（Support Vector Regression，SVR），并在此基礎上構建了一個傳感器故障診斷系統，對SVR采用離線訓練，在線應用的方法，用訓練好的SVR來模擬柴油機溫度控制的傳感器系統的動態特性。仿真結果表明：SVR能有效地模擬傳感器系統的動態特性，能跟蹤傳感器的輸出信號，并及時對傳感器故障進行準確的診斷。 關鍵詞：回歸型支持向量機;傳感器;故障診斷 0 引言 　　傳感器是測量儀器、智能化儀表、自動控制系統以及計算機信息輸入裝置中的敏感元件，傳感器的好壞不僅直接關系到設備的運行狀態，而且關系到至關重要的安全問題。在實際系統中，由于傳感器工作環境復雜、分布面廣、數據量大、安裝部位特殊等原因，使得傳感器成為過程控制中的薄弱環節之一，成為系統中最易發生故障的部件。如果傳感器在使用過程中發生了故障，就會引起系統性能下降和誤差積累，甚至導致整個系統的癱瘓，因此我們希望當傳感器發生故障后，能夠及時診斷到故障和進行隔離。到目前為止，已形成了多種傳感器故障診斷的方法：如硬件冗余法、解析冗余法、卡爾曼濾波器方法，神經網絡觀測器組方法以及基于小波分析的方法[1]等。但這些方法普遍效果不盡如人意。 　　回歸型支持向量機（Support Vector Regression，SVR）是以統計學習理論為基礎的一種新的機器學習算法[2]，它采用結構風險最小化（SRM）原則，并較好地解決了小樣本的學習問題，具有全局唯一最優解、泛化能力強、模型結構由算法自動確定等一系列優點。本文首先簡要介紹了回歸型支持向量機的原理，然后提出了基于SVR的傳感器故障診斷方法和步驟，最后以某柴油機狀態監測系統上的溫度傳感器的輸出信號進行了驗證。 詳情請點擊：一種基于SVR的傳感器系統故障診斷方法