首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 93 毫秒
1.
孙林  付静 《机械》2008,35(3):1-4
支持向量机理论最初是针对两类模式识别问题而提出的.在故障诊断领域,多类故障诊断问题更为普遍.针对支持向量机常用的多类分类算法进行了分析,在此基础上提出了一种基于聚类思想的二叉树多类分类算法,并运用该算法对转子模拟试验台几种典型的故障进行了模式识别,实验结果表明新方法能有效地、准确地识别故障模式,比较符合实际工程要求,具有较高的推广性能.  相似文献   

2.
基于类间可分性度量和SVM的多故障分类算法   总被引:1,自引:1,他引:0  
由于基于支持向量机(Support Vector Mechine,简称SVM)的多类分类算法的分类器结构对故障分类效果有直接影响,首先提出一种在高维特征空间基于核函数的J<,b>*/J<,w>*类间可分性度量准则,然后根据可分性度量结果用min-max原则来构造支持向量机分类器结构.通过对滚动轴承4类故障测试样本的分类试验结果表明,采用该方法构建的分类器其分类效果明显优于任意确定的二叉树结构分类器,有更高的故障识别率.  相似文献   

3.
一种基于动态剪枝二叉树SVMs的高炉故障诊断新方法   总被引:3,自引:0,他引:3  
王安娜  吴洁  张丽娜  陈宇 《仪器仪表学报》2007,28(12):2147-2151
高炉故障诊断是一个多类分类问题,且各个故障类别间具有一定的关系,在识别其中某一类故障时,并不需要区分全部故障的类别,为此提出了基于剪枝二叉树的支持向量机改进算法,每次识别时都去除相对没有价值的支持向量,根据类间相似度重新构造二叉树,剪掉没有价值的枝节,减少支持向量机个数,加速识别过程。通过对高炉故障模型的仿真实验,比较不同多类分类算法的性能,证明该方法能够在保证识别准确率的情况下提高故障诊断速度。  相似文献   

4.
一种新的机械系统故障分类器   总被引:2,自引:0,他引:2  
提出了一种利用支持矢量机对机械系统故障进行分类的新方法;以二值分类为基础,开发了基于支持矢量机的多值分类器。并以齿轮的多种故障分类为例,进行了实际应用验证。结果表明,该方法具有很好的分类能力和较高的计算效率,不需要对原始数据进行预处理就可达到满意的效果,适合于机械故障诊断中的多故障分类。该方法的应用,为故障诊断技术向智能化方向发展提供了新的途径。  相似文献   

5.
双阈值单类支持矢量机在线故障检测算法及应用   总被引:1,自引:0,他引:1  
为了将单类支持矢量机应用于机械系统的在线故障检测,提出一种双阈值单类支持矢量机在线检测算法.该算法引入序贯最小优化算法以提高计算效率,使用两层决策边界以区分故障样本和非边界支持矢量,并对检测模型进行在线自适应地更新,同时剔除故障样本对检测模型自适应更新的贡献,使得该算法能够有效剔除单类支持矢量机的原理性误差和因工况变化引起的误差,提高了检测精度.将该算法应用于某型液体火箭发动机涡轮泵振动信号的故障检测,结果表明,该算法可以在无虚警的情况下快速有效地检测涡轮泵故障.  相似文献   

6.
刘刚 《机械管理开发》2009,24(4):8-10,13
对基于支持向量机的多类分类故障诊断方法进行了研究.采用9频段幅值谱作为分类器的特征输入.比较了现有常用的几种支持向量机多分类方法:"一对一"法、"一对多"法、导向无环图法.试验结果表明导向无环图法耗时短、分类精度更高,更适合应用于机械多分类故障诊断研究.  相似文献   

7.
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   

8.
基于容错度自适应支持向量机的液压泵故障诊断   总被引:2,自引:0,他引:2  
针对已有在线故障诊断方法在数据量大、噪声强条件下分类速度较低、分类精度不够高等问题,结合液压泵故障类别数目大、工作环境恶劣的特点,提出了一种适用于混凝土泵车液压泵在线诊断的状态识别算法——容错度自适应支持向量机。该方法主要从四个方面对分类速度做了改进:①引入容错度因子进行模型训练;②优先选择能将某一类故障样本单独分离出来的二分类器;③在满足②的基础上选择平均支持向量机少的分类器;④引入增量学习算法对参数进行自适应调整,提高多故障诊断中对新故障类别和新故障数据的适应性,保证系统的分类精度。通过对混凝土泵车的液压泵故障诊断,证明了该方法在明显提高分类速度的同时保证了较高的分类精度。  相似文献   

9.
基于支持向量机的多故障分类器及应用   总被引:22,自引:0,他引:22  
针对因缺少大量故障数据样本而制约机械故障智能诊断的问题 ,本文改进了支持向量机多故障分类算法 ,依据此算法建立了多故障分类器 ,并应用于汽轮发电机组的故障诊断。应用结果表明 ,不必进行信号预处理以提取特征量 ,只需要用少量的时域故障数据样本建立故障分类器。该故障分类器可实现多故障的识别和诊断 ,并且具有算法简单、可对故障在线分类和故障分类能力强的优点  相似文献   

10.
针对液体火箭发动机涡轮泵故障诊断中出现的多故障分类问题,为提高支持向量机学习机器的分类性能,提出了一种基于遗传算法的支持向量机参数优化算法,利用遗传算法的全局搜索性能对核参数进行了优化.结果表明,遗传算法能够加速支持向量机参数的优化搜索,所建模型对含有较强的噪音背景的故障样本进行了很好的分类诊断,表现出了很好的抗噪和分类能力.  相似文献   

11.
Support vector machines-based fault diagnosis for turbo-pump rotor   总被引:1,自引:0,他引:1  
Most artificial intelligence methods used in fault diagnosis are based on empirical risk minimisation principle and have poor generalisation when fault samples are few. Support vector machines (SVM) is a new general machine-learning tool based on structural risk minimisation principle that exhibits good generalisation even when fault samples are few. Fault diagnosis based on SVM is discussed. Since basic SVM is originally designed for two-class classification, while most of fault diagnosis problems are multi-class cases, a new multi-class classification of SVM named ‘one to others’ algorithm is presented to solve the multi-class recognition problems. It is a binary tree classifier composed of several two-class classifiers organised by fault priority, which is simple, and has little repeated training amount, and the rate of training and recognition is expedited. The effectiveness of the method is verified by the application to the fault diagnosis for turbo pump rotor.  相似文献   

12.
针对传统故障模式识别方法不能区别不同误判所造成损失不同的问题,提出了可变风险支持向量机(SVM)模型,对传统SVM模型的最优分类面进行重新设计,在利用实际数据识别故障的同时融入专家经验,使故障识别结果更具可靠性,该方法已成功应用于柴油机故障诊断.  相似文献   

13.
提出了一种基于粗糙集与支持向量机的电动机转子断条故障诊断方法。首先将电动机在不同故障状态下的振动信号离散化,再应用粗糙集软件rosetta对数据进行进一步的约简,得到约简后的数据应用于支持向量机的训练从而得到基于支持向量机的多分类器。实验证明:该方法检测电动机的转子断条故障是可行的。  相似文献   

14.
Support vector machines (SVM) is a new general machine-learning tool based on the structural risk minimisation principle that exhibits good generalisation when fault samples are few, it is especially fit for classification, forecasting and estimation in small-sample cases such as fault diagnosis, but some parameters in SVM are selected by man's experience, this has hampered its efficiency in practical application. Artificial immunisation algorithm (AIA) is used to optimise the parameters in SVM in this paper. The AIA is a new optimisation method based on the biologic immune principle of human being and other living beings. It can effectively avoid the premature convergence and guarantees the variety of solution. With the parameters optimised by AIA, the total capability of the SVM classifier is improved. The fault diagnosis of turbo pump rotor shows that the SVM optimised by AIA can give higher recognition accuracy than the normal SVM.  相似文献   

15.
基于MCSA和SVM的异步电机转子故障诊断   总被引:12,自引:0,他引:12  
本文提出一种基于电机电流信号频谱分析和支持向量机的异步电机转子故障诊断方法,该方法可以利用支持向量机对电机电流频谱信号的特征信息和故障模式进行关联。对电机定子电流采样后,其信号经FFT变换后提取故障特征量作为支持向量机的输入,基于1对1算法构造了感应电机转子故障多类分类器。实验结果表明,该方法具有很好的分类和泛化能力,可以提高电机故障诊断的准确性。  相似文献   

16.
基于柔性形态滤波和支持矢量机的滚动轴承故障诊断方法   总被引:7,自引:1,他引:6  
针对滚动轴承故障振动信号的强噪声背景以及现实中不易获取大量典型故障样本的特点,提出一种基于柔性形态滤波和支持矢量机(Support vector machine,SVM)的滚动轴承故障诊断方法.柔性形态滤波既可以有效地提取出信号的边缘轮廓和信号的形状特征,同时又具有稳健性;SVM具有良好的分类性能,特别在小样本、非线性及高维特征空间中具有较好的推广能力;SVM分类器的惩罚因子和核函数参数采用经典粒子群优化算法进行优化,避免传统方法对初始点和样本的依赖.首先对振动信号进行柔性形态滤波,然后提取滤波后信号的故障特征频率的归一化能量为特征矢量作为SVM分类器的输入参数,用于区分滚动轴承的外圈、内圈和滚动体故障,SVM分类器的参数采用标准粒子群优化算法进行优化.试验结果表明了方法的有效性.  相似文献   

17.
In the fault diagnosis based on support vector machines (SVM), irrelevant variables in the fault samples spoil the performance of the SVM classifier and reduce the recognition accuracy. On the other hand, some SVM parameters are usually selected artificially, which hampers the efficiency of the SVM algorithm in practical applications. A new method that jointly optimises the feature selection and the SVM parameters with a modified discrete particle swarm optimisation is presented in this paper. A correct ratio based on a new evaluation method is used to estimate the performance of the SVM, and serves as the target function in the optimisation problem. A hybrid vector that describes both the fault features and the SVM parameters is taken as the constraint condition. This new method can select the best fault features in a shorter time, and improves the performance of the SVM classifier, and has fewer errors and a better real-time capacity than the method based on principal component analysis (PCA) and SVM, or the method based on Genetic Algorithm (GA) and SVM, as shown in the application of fault diagnosis of the turbo pump rotor.  相似文献   

18.
A new method (BSSVM) using binary tree and sphere-structured support vector machines (SSVM) is presented for fault diagnosis. It constructs the hyper-planes step by step according to binary tree, partitions a class in every step and eliminates blind areas which are not insuperable for other multi-class methods of SVM. 4 common faults are created by a test-bed of rotor, their vibration signals are collected and transformed to frequency domain by FFT, then the spectrum energy in 8 bands divided by their total energy are taken as the energy distributions. With PCA, the 8-dimensional energy distributions are converted to 2-dimensional fault samples which can hold more than 80% useful information of the primary data. With the fault samples, the new method is tested and compared with several other multiclass methods of SVM, and experimental results show that the new method has higher speed and better accuracy than other similar ones.  相似文献   

19.
针对异步电机故障振动信号具有较强的非线性特征,而传统的线性分析方法易造成振动信号非线性成分的丢失这一情况,提出一种核主元分析和粒子群支持向量机相结合的异步电机故障诊断方法。利用核函数实现输入空间到高维特征空间的非线性映射以及对映射数据的主元分析,得到原始样本的非线性主元,实现特征提取和数据压缩,将获得的核主元特征通过支持向量机进行模式识别。采用距离比值法和粒子群算法分别对核主元分析和支持向量机的参数进行双重优化选择。实验结果表明,该方法能有效提取故障信号的非线性特征,具有较强的非线性模式识别能力,相比主元分析和支持向量机方法,分类效果更好,实时性更强,可快速有效实现异步电机故障诊断。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号