基于自适应增强SVM集成算法的风机故障诊断

被引：6

作者：

杨宏晖

陈兆基

戴键

机构：

[1] 西北工业大学航海学院

来源：

测控技术 | 2010年 / 29卷 / 07期

关键词：

自适应增强支持向量机集成; 人耳听觉谱特征; 风机故障诊断;

D O I：

10.19708/j.ckjs.2010.07.019

中图分类号：

TH43 [通风机]; TH165.3 [];

学科分类号：

080704 ; 080202 ;

摘要：

提出了自适应增强支持向量机集成算法,并结合风机噪声信号的人耳听觉谱特征,对风机故障进行分类识别。现场实测数据的识别实验证明,该算法可正确识别99%的正常机器,并且对故障类型诊断的正确识别率比单个支持向量机分类器高1.88%2.50%。

引用

页码：72 / 74

页数：3

共 6 条

[1] 基于声信号人耳听觉谱特征的风机故障诊断 [J].

杨宏晖 ;

侯宏 ;

曾向阳 ;

孙进才 .

仪器仪表学报, 2009, 30 (01) :175-179

[2] 基于线调频小波变换的旋转机械故障诊断 [J].

胡静涛 ;

郭前进 .

仪器仪表学报, 2006, (S1) :395-398

[3] 基于支持向量机集成的水下目标自动识别系统 [J].

杨宏晖 ;

孙进才 .

测控技术, 2006, (12) :14-16

[4] 基于声信号小波包分析的故障诊断 [J].

吕琛 ;

王桂增 ;

邱庆刚 .

自动化学报, 2004, (04) :554-559

[5] Support vector machine in machine condition monitoring and fault diagnosis [J].

Widodo, Achmad ;

Yang, Bo-Suk .

MECHANICAL SYSTEMS AND SIGNAL PROCESSING, 2007, 21 (06) :2560-2574

[6] Feature extraction of machine sound using wavelet and its application in fault diagnosis [J].

Lin, J .

NDT & E INTERNATIONAL, 2001, 34 (01) :25-30

← 1 →