基于SVM预测器的传感器故障诊断与信号恢复研究

被引：17

作者：

刘东

葛运建

机构：

[1] 中国科学院合肥智能机械研究所

[2] 中国科学院合肥智能机械研究所合肥中国科学技术大学自动化系

[3] 合肥安微建筑工业学院数理系

[4] 合肥

来源：

传感技术学报 | 2005年 / 02期

关键词：

支持向量机; 传感器; 故障诊断; 信号恢复;

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：

支持向量机(SVM)是一种新兴的基于统计学习理论的机器学习方法。简要介绍了SVM回归原理,据此建立了基于SVM的时间预测器并用于传感器的故障诊断和信号恢复,阐述了具体的实现方法和步骤。仿真结果表明:SVM预测器有效地克服了神经网络的不足,能准确预测和跟踪传感器的输出信号,并在传感器发生故障后一定的时间段内能较精确的估计传感器的正常输出。

引用

页码：247 / 249+253 +253

页数：4

共 4 条

[1] 一种基于模糊神经网络的故障分类器及其在多传感器故障诊断中的应用 [J].