基于鲁棒最小二乘支持向量机的电机振动故障诊断

被引：8

作者：

王华秋 ^{[1
]}

刘全利 ^{[1
]}

王越 ^{[1
]}

廖晓峰 ^{[2
]}

机构：

[1] 重庆大学计算机学院

来源：

中国电机工程学报 | 2007年 / 30期

关键词：

时序模型; 鲁棒; 最小二乘支持向量机; 电机振动;

D O I：

10.13334/j.0258-8013.pcsee.2007.30.007

中图分类号：

TM307.1 [];

学科分类号：

080801 ;

摘要：

对时序数据建模与辨识技术进行了分析,提出了使用鲁棒最小二乘支持向量机(LS-SVM)算法建立自回归移动平均(ARMA)时序预测模型。该模型是在LS-SVM的约束条件中考虑了鲁棒特性和时序模型参数,使之在求解的过程中对孤立点与噪声不敏感,并且能准确地辨识时序模型参数。考虑到电机振动故障诊断的输入输出数据集间存在着复杂非线性时序上的关系,通过用基于鲁棒LS-SVM的ARMA模型预报电机的振动值,从而预测电机振动故障。实验表明该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性,为确保电机正常运行创造了良好条件。

引用

页码：97 / 102

页数：6

共 9 条

[1]

设备状态监测与故障诊断技术及应用[M]. 化学工业出版社 , 盛兆顺,尹琦岭主编, 2003

[2]

设备状态监测与故障诊断的理论和实践[M]. 国防科技大学出版社 , 张雨, 2000

[3]

智能故障诊断与专家系统[M]. 科学出版社 , 吴今培,肖健华著, 1997

[4] A new efficient SVM-based edge detection method [J].

Zheng, S ;

Liu, H ;

Tian, JW .

PATTERN RECOGNITION LETTERS, 2004, 25 (10) :1143-1154

[5]

Bayesian Framework for Least-Squares Support Vector Machine Classifiers, Gaussian Processes, and Kernel Fisher Discriminant Analysis[J] . T. Van Gestel,J. A. K. Suykens,G. Lanckriet,A. Lambrechts,B. De Moor,J. Vandewalle.Neural Computation . 2002 (5)

[6] Optimal control by least squares support vector machines [J].