支持向量机在机械故障诊断中的应用

被引：2

作者：

赵玲玲 ^{[1
]}

杨奎河 ^{[1
]}

任晓鹏 ^{[2
]}

单甘霖 ^{[3
]}

机构：

[1] 河北科技大学信息科学与工程学院

[2] 石家庄职业技术学院计算机系

[3] 军械工程学院光学与电子工程系

来源：

河北工业科技 | 2007年 / 01期

基金：

中国博士后科学基金;

关键词：

小波包分析; 故障诊断; 支持向量机; 核函数;

D O I：

暂无

中图分类号：

TP277 [监视、报警、故障诊断系统];

学科分类号：

0804 ; 080401 ; 080402 ;

摘要：

提出了一种基于支持向量机的机械故障诊断模型,该模型建立在VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中,以期获得最好的推广能力。在选取诊断模型输入向量时,对故障信号功率谱进行小波分解,简化了故障特征向量的提取。仿真结果验证了该模型的有效性。

引用

页码：37 / 39+42 +42

页数：4

共 7 条

[1] 基于支持向量机的异常检测 [J].

谭小彬 ;

奚宏生 ;

王卫平 ;

殷保群 .

中国科学技术大学学报, 2003, (05) :98-104

[2] BP算法在旋转机械故障诊断中的应用 [J].

崔彦平 ;

傅其凤 ;

师伟力 .

河北科技大学学报, 2003, (03) :49-53

[3] 基于BP神经网络的电机转子故障诊断的研究 [J].

李占锋 ;

韩芳芳 ;

郑德忠 .

河北科技大学学报, 2001, (03) :23-26

[4] 基于支持向量机的非线性系统故障诊断 [J].

胡寿松 ;

王源 .

控制与决策, 2001, (05) :617-620

[5] 概率因果网络在汽轮机故障诊断中的应用 [J].

陈长征 ;

刘强 .

中国电机工程学报, 2001, (03) :79-82

[6] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

[7]

虞和济等著.基于神经网络的智能诊断[M].北京:冶金工业出版社,2000

← 1 →