基于AR模型和支持向量机的故障诊断法

被引：13

作者：

曾小军

黄宜坚

机构：

[1] 华侨大学机电及自动化学院

来源：

机械科学与技术 | 2010年 / 29卷 / 07期

关键词：

溢流阀; 故障诊断; AR模型; 支持向量机;

D O I：

10.13433/j.cnki.1003-8728.2010.07.029

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种基于时间序列AR模型和支持向量机的故障诊断方法。首先利用AR模型对振动信号进行建模,然后将AR模型自回归系数组成的特征向量输入到支持向量机,最后支持向量机完成对不同工况的分类识别。测试系统采用LabVIEW虚拟仪器构建,并通过计算机自动完成测试和分析。实验结果表明:这种基于时间序列AR模型和支持向量机的故障诊断方法是可行的。

引用

页码：972 / 975+980 +980

页数：5

共 7 条

[1]

支持向量机理论及其应用分析.[M].方瑞明; 著.中国电力出版社.2007,

[2]

MATLAB神经网络应用设计.[M].闻新等编著;.科学出版社.2000,

[3]

时间序列分析的工程应用.[M].杨叔子等著;.华中理工大学出版社.1991,

[4] 基于AR双谱的溢流阀故障诊断 [J].

彭志君 ;

黄宜坚 .

机械科学与技术, 2007, (07) :908-912

[5] 基于遗传编程和支持向量机的故障诊断模型 [J].

李良敏 ;

屈梁生 ;

不详 .

西安交通大学学报 , 2004, (03) :239-242

[6] AR模型和分形几何在设备状态监测中的应用研究 [J].

刘天雄 ;

郑明刚 ;

陈兆能 ;

朱继梅 ;

华宏星 .

机械强度, 2001, (01) :61-65

[7] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

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

← 1 →