共查询到18条相似文献,搜索用时 78 毫秒
2.
针对转子故障诊断问题,在综合粗糙集理论、遗传算法及神经网络学习算法各自优点的基础上,提出了一种新的粗糙集-遗传算法-神经网络(RS-GA-NN)集成分类器模型。在该模型中,利用粗糙集理论的离散和约简算法实现对样本数据的特征选取;利用神经网络实现样本特征向量与故障之间的非线性映射;利用遗传算法实现对神经网络的结构优化以使神经网络的泛化能力达到最优。利用转子故障实验台模拟了不平衡、不对中、碰摩及油膜涡动4种故障的127个样本,构建了多故障识别的RS-GA-NN集成分类器,进行了转子故障的智能诊断实验,获得了很好的效果。 相似文献
3.
4.
基于支持向量机与最近邻分类器的模拟电路故障诊断新策略 总被引:2,自引:1,他引:1
针对模拟电路的故障诊断和定位问题,提出了一种基于支持向量机分类器(SVC)和最近邻分类器(NNs)的模拟电路故障诊断新策略,利用SVC解决高维故障样本的分类问题,而采用NNs解决故障样本间的重叠问题。首先建立"1-v-r"结构的SVC对电路故障样本进行训练,并根据训练参数构建故障字典;其次,在测试阶段,根据算法决定利用SVC或NNs对未知样本进行测试。本文设计的故障分类器方法简单,结构确定,通过对两个模拟电路的实验表明,所提出的方法性能要优于常规的"1-v-r"支持向量机分类器;与"1-v-1"支持向量机分类器的诊断性能较为接近,但测试时间较后者显著减少,较为适合模拟电路的故障诊断。 相似文献
5.
为提高轴承故障诊断的准确率,以灰色关联理论和信息熵理论为基础,提出了基于灰关联信息熵提取属性特征的支持向量机决策树多故障分类器.该分类器可以实现对轴承的多故障类型的分类,并对轴承的各类故障进行了分类实验.验证结果表明,该方法可有效地进行故障状态识别,达到了准确进行机械系统多故障诊断的目的. 相似文献
6.
为了简化船舶主机故障诊断,提高诊断效率,文章采用了支持向量机的故障诊断原理,通过小波包分解提取信号的特征参数,再将特征量送入故障分类器中进行训练,即可得出诊断结果。当数据样本较少时,采用支持向量机与采用神经网络诊断相比,具有算法简单、故障分类能力强的优点。 相似文献
7.
8.
9.
《计算机集成制造系统》2014,(12)
为充分提取化工系统中的故障特征以辨识故障类型,提出针对动态系统海量数据的故障分类方法。该方法利用扩散映射算法与扩散映射的线性增量算法,对高维空间中的化工系统运行数据进行降维,提取出数据中的低维流形特征。利用降维后的故障样本训练支持向量机多类分类器,实现系统在线数据异常辨识。通过田纳西—伊斯曼仿真数据和实际生产运行数据验证了方法的可行性和高效性。与其他类似分类方法对比,该方法具有更高的分类精度。 相似文献
10.
11.
12.
13.
基于网格支持矢量机的涡轮泵多故障诊断 总被引:2,自引:0,他引:2
支持矢量机是一种基于结构风险最小化原则的机器学习方法,对小样本决策具有较好的学习推广性.由于常规支持矢量机算法是从二类分类问题推导得出的,在解决故障诊断这种典型的多类分类问题时存在困难,为此提出一种网络支持矢量机多类分类算法,用每个类别和其他两个至四个类别构造二类支持矢量机分类器.这些二类支持矢量机分类器组合而成的网格式结构多类分类器,具有容易扩展、重复训练样本少、速度快和识别正确率高的优点.将网格式结构多类分类器应用于涡轮泵试验台多故障诊断获得了令人满意的效果. 相似文献
14.
孙学斌 《机械工程与自动化》2010,(2):132-134
将自回归模型(AR)和支持向量机(SVM)应用到机床滚动轴承的故障诊断中,根据滚动轴承的振动信号建立自回归模型,以自回归参数和残差的方差作为特征向量,然后建立基于支持向量机的多故障分类器,进而判断滚动轴承的故障类型.通过实例分析和与神经网络方法对比,表明该方法能有效地判别机床滚动轴承的故障类型. 相似文献
15.
针对基于支持向量机的故障分类器的参数优化问题,研究了基于数据分布的支持向量机核函数参数优化的基本原理.提出了一种简化算法。依据该简化算法,实现了故障分类器的参数优化,并应用于汽轮发电机组的故障分类。测试结果表明,该参数优化方法可以提高故障分类器的分类能力,具有算法简单、优化效率高等优点,但其通用性有待进一步提高。 相似文献
16.
Rolling element bearings (REBs) play an essential role in modern machinery and their condition monitoring is significant in predictive maintenance. Due to the harsh operating conditions, multi-fault may co-exist in one bearing and vibration signal always exhibits low signal-to-noise ratio (SNR), which causes difficulties in detecting fault. In the previous studies, maximum correlated kurtosis deconvolution (MCKD) has been validated as an efficient method to extract fault feature in the fault signals. Nonetheless, there are still some challenges when MCKD is applied to fault detection owing to the rigorous requirements of multiple input parameters. To overcome limitation, a multi-objective iterative optimization algorithm (MOIOA) for multi-fault diagnosis is proposed. In this method, correlated kurtosis (CK) is taken as a criterion to select optimal Morlet wavelet filter using the whale optimization algorithm (WOA). Meanwhile, to further eliminate the effect of the inaccurate period on CK, the update process of period is incorporated. After that, the simulated and experimental signals are utilized to testify the validity and superiority of the MOIOA for multiple faults detection by the comparison with MCKD. The results indicate that MOIOA is efficient to extract weak fault features even with heavy noise and harmonic interferences. 相似文献
17.
涡轮泵实时故障检测的快速支持向量机算法 总被引:1,自引:1,他引:0
提出了一种基于边界样本的快速支持向量机(support vector machine,SVM)算法用于液体火箭发动机涡轮泵实时故障检测。算法按一定步长将涡轮泵振动信号分段,再将每个步长信号平分为多段且计算每段信号的均方根、裕度因子和峭度,并将之组合为3维向量作为故障特征,以每个步长信号中的故障样本点数目作为判断故障的依据;算法采用条件正定核函数计算原始样本集中正常样本与故障样本之间的距离,选择边界样本作为新的训练样本集,并以此计算支持向量并构造决策函数。用某型号涡轮泵振动加速度信号对算法进行验证,结果表明对包含5 600个故障样本和5 600个正常样本的原始训练样本集,算法的训练时间为0.68 s。对时长20.80 s的待检信号,算法检出故障时刻为20.43 s,比故障真实出现时刻晚0.42 s(在0.5 s之内)。该算法大幅度提高了训练速度与分类速度,具备良好的精确性与实时性。 相似文献
18.