基于混合核学习支持向量机的主减速器故障诊断

被引：3

作者：

张华伟

左旭艳

潘昊

机构：

[1] 武汉理工大学计算机科学与技术学院

来源：

计算机应用与软件 | 2017年 / 34卷 / 05期

关键词：

经验模态分解; 小波阈值函数; 核主成分分析; 支持向量机; 遗传算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; U472.9 [诊断和检测技术及其仪器设备];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 082304 ;

摘要：

主减速器是汽车的重要零部件,同时也是汽车主要的故障源,据此实现一种基于混合核学习支持向量机的故障诊断方法。利用经验模态分解(EMD)与小波阈值函数,以达到对振动信号降噪。利用核主成分分析(KPCA)进行特征向量的提取,获取特征子集的低维向量。以提取的特征向量作为输入值,以支持向量机(SVM)为分类器,经遗传算法参数优化后获取故障识别率。通过研究混合核函数即单核函数的线性组合,实验结果表明,相比与传统的单核学习故障诊断方法,该方法提高了主减速器故障诊断的精度。

引用

页码：91 / 98

页数：8

共 12 条

[1]

Kernel methods and machine learning. Kung S Y. . 2014

[2]

Fault detection and diagnosis for spacecraft using principal component analysis and support vector machines. Gao Y,Yang T,Xing N,et al. 2012 7th IEEE Conference on Industrial Electronics and Applications . 2012

[3] 基于混合核函数的支持向量机 [J].

邬啸 ;

魏延 ;

吴瑕 .

重庆理工大学学报(自然科学), 2011, (10) :66-70

[4]

机器学习[M]. 清华大学出版社 , 周志华, 2016

[5]

Detrended fluctuation thresholding for empirical mode decomposition based denoising[J] . Ahmet Mert,Aydin Akan. &nbspDigital Signal Processing . 2014

[6]

The fault feature extraction and classification of gear using principal component analysis and kernel principal component analysis based on the wavelet packet transform[J] . Renping Shao,Wentao Hu,Yayun Wang,Xiankun Qi. &nbspMeasurement . 2014

[7]

Constrained Laplacian Eigenmap for dimensionality reduction[J] . Chun Chen,Lijun Zhang,Jiajun Bu,Can Wang,Wei Chen. &nbspNeurocomputing . 2009 (4)

[8]

Kernel Principal Component Analysis. Scholkopf B,Smola A,Muller KR. Proceedings of the 7th International Conference on Artificial Neural Networks (ICANN’97) . 1997

[9] 基于改进阈值函数的小波降噪算法与仿真分析 [J].

彭洪江 ;

陈盛双 ;

曾延安 .

计算机应用与软件, 2015, 32 (10) :188-191

[10] 拉普拉斯特征映射算法在滚动轴承故障识别中的应用 [J].

黄宏臣 ;

张倩倩 ;

韩振南 ;

林晓龙 ;

刘庆 .

中国测试, 2015, 41 (05) :94-98

← 1 2 →