基于小波-支持向量机的矿用通风机故障诊断

被引：29

作者：

荆双喜

华伟

机构：

[1] 河南理工大学机械与动力工程学院

来源：

煤炭学报 | 2007年 / 01期

关键词：

小波包; 支持向量机; 通风机; 故障诊断;

D O I：

10.13225/j.cnki.jccs.2007.01.022

中图分类号：

TD724.3 [];

学科分类号：

摘要：

运用小波包频道能量分解技术提取了不同频带反映矿用通风机不同工作状态的特征向量,以此作为支持向量机多故障分类器的故障样本,经训练的分类器作为故障智能分类器可对通风机的工作状态进行自动识别和诊断.并以不对中故障为例,进行了实用验证.研究结果表明,支持向量机在小样本情况下仍能准确、有效地对通风机的工作状态和故障类型进行分类.

引用

页码：98 / 102

页数：5

共 7 条

[1] 基于最小二乘支持向量机的煤层底板突水量预测
姜谙男
梁冰
[J]. 煤炭学报, 2005, (05) : 71 - 75
[2] 统计学习理论与支持向量机
冼广淋
骆雪超
肖宇峰
[J]. 中国科技信息, 2005, (12) : 178 - 181
[3] 基于小波-神经网络的矿用通风机故障诊断研究
荆双喜
冷军发
李臻
[J]. 煤炭学报, 2004, (06) : 736 - 739
[4] 基于支持向量机的机械系统多故障分类方法
段江涛
李凌均
张周锁
何正嘉
符寒光
[J]. 农业机械学报, 2004, (04) : 144 - 147
[5] 统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,
[6] 设备故障诊断手册.[M].徐敏等主编;中国振动工程学会故障诊断委员会;中国机械工程学会设备维修委员会[编];.西安交通大学出版社.1998,
[7] 小波分析算法与应用.[M].程正兴[著];.西安交通大学出版社.1998,

← 1 →