基于自适应LS-SVM的柴油机进排气系统故障诊断

被引：4

作者：

游张平 ^{[1
,2
]}

胡小平 ^{[2
]}

张凯 ^{[1
]}

叶晓平 ^{[2
]}

机构：

[1] 同济大学机械工程学院

[2] 丽水学院机械工程系

来源：

科技导报 | 2010年 / 28卷 / 08期

基金：

国家高技术研究发展计划(863计划); 浙江省自然科学基金;

关键词：

最小二乘支持向量机; 小波包; 柴油机; 故障诊断;

D O I：

暂无

中图分类号：

TK428 [检修与维护];

学科分类号：

080703 ;

摘要：

提出了应用自适应最小二乘支持向量机和小波包能量特征的柴油机进排气系统故障诊断方法。对气门间隙异常、气阀漏气等几种常见故障和系统正常运行进行小波包分解,提取频带能量作为支持向量机的输入特征向量;然后,利用自适应优化算法对最小二乘支持向量机进行优化;最后,利用基于优化参数和最小输出编码的最小二乘支持向量机进行故障分类和识别。对比实验表明,与BP神经网络和采用交叉验证的传统最小二乘支持向量机相比,该方法可克服训练时间较长、容易陷入局部最小等问题,具有较快的训练速度和较高的分类准确率,提高了传统最小二乘支持向量机算法的寻优速度,在样本数较小时仍可取得较好的效果,能有效诊断柴油机进排气系统故障。

引用

页码：77 / 80

页数：4

共 9 条

[1]

基于SVM的柴油机机械故障诊断研究.[D].邓小文.厦门大学.2006, 01

[2] Identification of MIMO Hammerstein models using least squares support vector machines [J].