改进的支持向量机在旋转机械故障诊断中的应用附视频

被引：21

作者：

刘德庆

唐贵基

张超

机构：

[1] 华北电力大学机械工程系

来源：

噪声与振动控制 | 2011年 / 01期

关键词：

振动与波; 支持向量机; 旋转机械; 振动故障; K-L变换;

D O I：

暂无

中图分类号：

TH165.3 []; TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

针对旋转机械振动故障特征复杂的特点,提出采用基于K-L变换的故障提取方法。改进支持向量机的多分类算法,将支持向量机分类方法用于旋转机械振动分析,利用其模式辨别和系统建模能力对典型故障的初始征兆、发生、发展进行动态分析,为旋转机械的故障诊断提供新的思路和方法。

引用

页码：114 / 118

页数：5

共 7 条

[1]

改进的支持向量机分类算法 [J].

刘莉 ;

陈秀宏 .

计算机工程与设计, 2009, 30 (11) :2763-2765

[2]

核函数支持向量机的研究进展 [J].

杨钟瑾 .

科技资讯, 2008, (19) :209-210

[3]

基于K-L变换的支持向量机在汽轮机故障诊断中的应用 [J].

张超 ;

韩璞 ;

唐贵基 .

汽轮机技术, 2007, (02) :148-150

[4]

基于支持向量机的多故障分类器及应用 [J].

张周锁 ;

李凌均 ;

何正嘉 .

机械科学与技术, 2004, (05) :536-538+601

[5]

应用于故障诊断的SVM理论研究 [J].

肖健华 ;

樊可清 ;

吴今培 ;

杨叔子 .

振动、测试与诊断, 2001, (04)

[6]

基于支持向量机的故障智能诊断方法研究 [D].

翟永杰 .

华北电力大学（河北）,

2004

[7]

Measuring the VC-Dimension of a Learning Machine[J] Vladimir Vapnik;Esther Levin;Yann Le Cun Neural Computation 1994,

← 1 →