基于小波分析-支持向量机的风机故障预测

被引:8
作者
黄伟
王衍学
徐荣峰
谢红梅
机构
[1] 广西大学
关键词
小波分析; 支持向量机; 风机; 故障; 预测;
D O I
暂无
中图分类号
TH43 [通风机];
学科分类号
080704 ;
摘要
提出了基于小波分析和支持向量机的风机故障早期预测方法。通过小波分解,将风机原始振动时间序列依尺度分解到不同层次,对每层分别采用支持向量机(SVM)预测,最后合成得到原始序列的预测值。对某铝厂排送风机的运行状态进行预测,并与其它预测方法进行了对比,结果表明该方法预测精度更高。应用该预测方法可合理安排维修时间,减少维修费用。
引用
收藏
页码:55 / 58
页数:4
相关论文
共 6 条
[1]   BP神经网络在风机振动报警时间中的应用 [J].
秦衡峰 ;
卜英勇 ;
王福亮 .
凿岩机械气动工具, 2004, (02) :50-53
[2]   基于小波分解的某些非平稳时间序列预测方法 [J].
徐科 ;
徐金梧 ;
班晓娟 .
电子学报, 2001, (04) :566-568
[3]   基于小波分析的非平稳时间序列分析与预测 [J].
马社祥 ;
刘贵忠 ;
曾召华 .
系统工程学报, 2000, (04) :305-311
[4]   大型风机状态趋势随机建模与预测 [J].
郭忠振 ;
平欣 ;
平鹏 .
重型机械, 1998, (06) :47-49+57
[5]   大型风机预防-预知维修初探 [J].
卜英勇,张怀亮 .
中国有色金属学报, 1995, (03) :131-133
[6]  
支持向量机算法的研究及在说话人识别上的应用.[D].忻栋.浙江大学.2002, 02