基于支持向量机的设备故障诊断研究

发布时间：2017-09-20 08:43

  本文关键词：基于支持向量机的设备故障诊断研究

  更多相关文章： 支持向量机 交叉验证 机械设备 故障诊断

【摘要】：支持向量机作为基于统计学理论的机器学习方法,在人工智能识别方面的研究起到了重要的作用。本文将支持向量机智能识别方法引入到机械设备的故障诊断当中,并对支持向量机模型起到关键作用的惩罚因子c和核参数g采用了交叉验证的方法进行最优化计算。建立了基于优化的支持向量机的机械设备故障诊断模型,并且进行了相关实验,实验表明,采用本文介绍的基于支持向量机的故障诊断方法可有效识别出机械设备的故障类型,对机械设备的故障诊断提供了有效的诊断方法。
【作者单位】： 西安外事学院;
【关键词】： 支持向量机 交叉验证 机械设备 故障诊断
【基金】：2015年陕西省教育厅科学研究项目(15JK2113) 2015年陕西省高等教育教学改革研究项目(15J37) 2016年西安市社会科学规划基金项目(16IN13)
【分类号】：TP181;TH17
【正文快照】： 机器学习是指这样的过程:通过对样本的训练,寻找输入变量和输出变量的关系的一种近似估计,这种估计得够以较高的准确率来预测输出变量的结果。目前,研究者们建立了各种诸如KNN(K最近邻)算法、神经网络算法以及支持向量机算法等等一系列基于向量空间模型的训练算法和分类算法[1

【相似文献】

中国期刊全文数据库 前10条

1 许德昌,袁胜发;基于支持向量机的离心泵故障诊断方法研究[J];液压与气动;2004年12期

2 王红军;徐小力;;支持向量机理论在设备状态趋势预测上的应用研究[J];兰州理工大学学报;2005年06期

3 温后珍;孟碧霞;徐小力;;基于支持向量机的旋转机组状态趋势预示技术[J];重型机械;2006年02期

4 赵冲冲;廖明夫;于潇;;基于支持向量机的旋转机械故障诊断。[J];振动、测试与诊断;2006年01期

5 王金彪;周伟;王澍;;基于集成支持向量机的故障诊断方法研究[J];电光与控制;2012年02期

6 于德介;陈淼峰;程军圣;杨宇;;一种基于支持向量机预测器模型的转子系统故障诊断方法[J];中国机械工程;2006年07期

7 刘德庆;唐贵基;张超;;改进的支持向量机在旋转机械故障诊断中的应用[J];噪声与振动控制;2011年01期

8 张翔;陈林;;基于果蝇优化算法的支持向量机故障诊断[J];电子设计工程;2013年16期

9 刘占军;康建设;张星辉;;基于粒子群优化的支持向量机在机械模式分类中的应用[J];微计算机应用;2010年12期

10 连光耀;吕晓明;黄考利;孙江生;;基于最小二乘支持向量机的复杂装备故障预测模型研究[J];计算机测量与控制;2011年05期

中国重要会议论文全文数据库 前3条

1 肖成勇;冯志鹏;李学军;石博强;;基于小波和进化支持向量机的机械状态预测[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅱ）[C];2008年

2 初燕;付忠广;戈志华;靳涛;卞双;;基于支持向量机的故障诊断方法探讨[A];中国动力工程学会第三届青年学术年会论文集[C];2005年

3 史丽萍;杨晓冬;匡杰;;基于支持向量机的水泵故障诊断[A];中国计量协会冶金分会2007年会论文集[C];2007年

中国博士学位论文全文数据库 前5条

1 赵冲冲;基于支持向量机的旋转机械故障诊断[D];西北工业大学;2003年

2 朱霄s，

本文编号：887071