基于核主成分分析及支持向量机的水轮机叶片裂纹源定位

被引：11

作者：

王向红 ^{[1
]}

朱昌明 ^{[2
]}

毛汉领 ^{[3
]}

黄振峰 ^{[4
]}

机构：

[1] 长沙理工大学汽车与机械工程学院

[2] 上海交通大学机械与动力工程学院

[3] 广西广播电视大学

[4] 广西大学机械学院

来源：

振动与冲击 | 2010年 / 29卷 / 11期

关键词：

支持向量机; 核主成分分析; 源定位; 声发射;

D O I：

10.13465/j.cnki.jvs.2010.11.047

中图分类号：

TK733.1 [];

学科分类号：

摘要：

结合核主成分分析(KPCA)以及支持向量机对水轮机转轮叶片裂纹源的声发射信号进行定位。结果表明,利用核主成分分析提取的特征参数进行定位的精度高于原始参数的定位精度,即输入9个特征参数时,支持向量机在叶片区域的识别率为100%,在裂纹源对焊缝距离的支持向量回归分析中的最大误差为20cm。因而结合KPCA和支持向量机对复杂的大尺寸结构进行定位是一种较好的方法,既减少了输入信号的维数,又提高了定位精度。

引用

页码：226 / 229+264 +264

页数：5

共 9 条

[1] 基于核主元分析与纠错输出编码SVM的齿轮故障诊断 [J].

邱绵浩 ;

王自营 ;

安钢 ;

刘东利 .

振动与冲击, 2009, 28 (05) :1-5+200

[2] KPCA-LSSVM建模方法及在钢材淬透性中的应用研究 [J].

郭辉 ;

刘贺平 ;

王玲 .

控制与决策, 2006, (09) :1073-1076

[3] 模态声发射基本理论 [J].

耿荣生 ;

沈功田 ;

刘时风 .

无损检测, 2002, (07) :302-306

[4] 声发射源定位技术 [J].

沈功田 ;

耿荣生 ;

刘时风 .

无损检测, 2002, (03) :114-117+125

[5] 水轮机转轮裂纹及其处理 [J].

顾四行 .

水电站机电技术, 1992, (03) :1-7+16

[6]

An approach to use an array of three acoustic emission sensors to locate uneven events in machining—Part 1: method and validation[J] . International Journal of Machine Tools and Manufacture . 2005 (14)

[7] Feature extraction and denoising using kernel PCA [J].

Jade, AM ;

Srikanth, B ;

Jayaraman, VK ;

Kulkarni, BD ;

Jog, JP ;

Priya, L .

CHEMICAL ENGINEERING SCIENCE, 2003, 58 (19) :4441-4448

[8]

A brief review: acoustic emission method for tool wear monitoring during turning[J] . Xiaoli Li.International Journal of Machine Tools and Manufacture . 2002 (2)

[9]

Large margin DAGs for multiclass classification. Platt J C, Cristianini N, Shawe-Taylor J. Advances in Neural Information Processing Systems . 2000

← 1 →