支持向量机及其在机械故障诊断中的应用

被引：231

作者：

袁胜发

褚福磊

机构：

[1] 清华大学精密仪器与机械学系

来源：

振动与冲击 | 2007年 / 11期

基金：

国家杰出青年科学基金;

关键词：

支持向量机; 机械故障诊断; 机器学习; 智能诊断;

D O I：

10.13465/j.cnki.jvs.2007.11.012

中图分类号：

TH17 [机械运行与维修];

学科分类号：

120111 [工业工程];

摘要：

支持向量机(SVM)是一种基于统计学习理论的新型机器学习方法,对小样本决策具有较好的学习推广性。对近年来支持向量机的研究进展及其在故障诊断中的应用做了简要介绍,讨论了支持向量机的特点和存在的问题,展望了其在机械故障诊断的研究前景。

引用

页码：29 / 35+58+181 +58

页数：9

共 46 条

[1]

基于支持向量机的齿轮故障诊断方法研究 [J].

王凯 ;

张永祥 ;

李军 .

振动与冲击, 2006, (06) :97-99+181

[2]

基于模糊域和支持向量机的故障诊断方法 [J].

王胜春 ;

韩捷 ;

李志农 ;

李剑峰 .

山东大学学报(工学版), 2006, (06) :116-120

[3]

基于粗糙集和支持向量机的水电机组振动故障诊断 [J].

彭文季 ;

罗兴锜 .

电工技术学报, 2006, (10) :117-122

[4]

现代科技条件下机械故障诊断技术的发展 [J].

夏晓雷 ;

张元越 ;

杨根喜 .

徐州工程学院学报, 2006, (09) :67-69

[5]

基于小波包分析和支持向量机的水电机组振动故障诊断研究 [J].

彭文季 ;

罗兴锜 .

中国电机工程学报, 2006, (24) :164-168

[6]

最小二乘支持向量机回归的HHT在水轮发电机组故障诊断中的应用 [J].

贾嵘 ;

王小宇 ;

蔡振华 ;

张丽 ;

罗兴锜 .

中国电机工程学报, 2006, (22) :128-133

[7]

一种基于经验模式分解与支持向量机的转子故障诊断方法 [J].

于德介 ;

陈淼峰 ;

程军圣 ;

杨宇 .

中国电机工程学报, 2006, (16) :162-167

[8]

支持向量机(SVM)的研究进展 [J].

李晓宇 ;

张新峰 ;

沈兰荪 .

测控技术, 2006, (05) :7-12

[9]

一种新的混合智能预测模型及其在故障诊断中的应用 [J].

胡桥 ;

何正嘉 ;

訾艳阳 ;

张周锁 ;

雷亚国 .

西安交通大学学报, 2005, (09) :928-932

[10]

一种新的机电设备状态趋势智能混合预测模型 [J].

胡桥 ;

何正嘉 ;

訾艳阳 ;

雷亚国 ;

刘京科 .

机械强度, 2005, (04) :425-431

← 1 2 3 4 5 →