排序方式: 共有231条查询结果,搜索用时 44 毫秒
1.
2.
支持向量机及其在机械故障诊断中的应用 总被引:10,自引:6,他引:4
支持向量机(SVM)是一种基于统计学习理论的新型机器学习方法,对小样本决策具有较好的学习推广性。对近年来支持向量机的研究进展及其在故障诊断中的应用做了简要介绍,讨论了支持向量机的特点和存在的问题,展望了其在机械故障诊断的研究前景。 相似文献
3.
基于支持向量机的机械系统状态组合预测模型研究 总被引:8,自引:1,他引:7
提出了一种新的支持向量机(Support Vector Machines,SVM)机械系统状态组合预测模型。应用FPE(Final Principle Error)准则优化样本的维数,采用时域内的振动烈度和频域内的特征频率分量作为预测机械系统状态的敏感因子,构建了预测模型。支持向量机采用新型的结构风险最优化准则,预测能力强、鲁棒性好。采用径向基函数和ε损失函数,将该模型应用于实验台和旋转注水机组的状态预测,取得了较好的效果。这表明利用支持向量机的组合预测模型,可以降低设备维修代价,提高设备的安全性和可靠性。 相似文献
4.
5.
基于支持向量机的转子振动信号故障分类研究 总被引:6,自引:0,他引:6
转子在运行过程中的振动加速度信号包含了转子运行状态大量信号,瞬态过程中故障加速度信号特征的提取及其识别对于旋转机械故障诊断是十分重要的。针对在升降速运行时的故障特征数据样本有限而制约有效智能诊断的问题,探讨和提出了基于支持向量机的加速度信号故障诊断方法。实验分析结果表明:该方法可实现转子的振动加速度信号对转子在升降速运行时的多故障的识别和诊断。 相似文献
6.
7.
基于频域系统辨识和支持向量机的桥梁状态监测方法 总被引:6,自引:0,他引:6
随着大跨度悬索、斜拉桥的增加,保障桥梁安全、降低维护费用成为交通管理以及政府部门关注的问题。针对损伤样本难以获得的实际情况,将桥梁状态监测问题作为模式识别中的“一类学习”问题处理。桥梁模式特征获取过程是“只有输出响应”的系统辨识问题,考虑到监测系统需要在线工作的特点,提出运用概念直观、结果可靠且便于自动实现的CMIF系统辨识方法作为获取模式特征的工具。为了获得足够敏感的异常报警判别函数,采用了基于支持向量机的一类学习算法,这种方法在得到很高灵敏性的同时,可以方便地权衡敏感性和泛化性能之间的矛盾。用香港汀九桥794小时实测数据对所采用的算法进行验证,证明了算法的有效性和实用性,其结果可供设计类似监测系统时参考。 相似文献
8.
针对振动信号中Hilbert-Huang变换的端点效应问题,结合端点效应产生机理和现有研究成果,提出基于时间尺度的LS-SVM端点延拓的抑制端点效应新方法。首先利用LS-SVM回归特性和一种自适应预测法分别对信号极值点的幅值和时间点进行预测延拓,然后对预测的极值信息进行埃尔米特插值,完成对原信号的延拓。利用仿真信号和实测航空发动机振动信号进行分析验证,表明该方法可同时有效抑制两种端点效应,并具有预测精度高、有效延拓距离长、速度快的特点。 相似文献
9.
支持向量像素抽样的快速图像匹配方法 总被引:4,自引:0,他引:4
提出了一种新的支持向量(SupportVectorMachines,SVM)回归的快速图像匹配方法。该方法将匹配模板图像中每个像素的位置坐标和灰度信息作为训练样本,通过选择合适的模型参数,进行SVM回归训练,获得少量的支持向量。依据SVM位置坐标对模板图像进行像素抽样,实现匹配数据的有效压缩。定义了图像支持特征向量,用少量的特征数据描述整幅图像变化的结构信息,保证了匹配数据的置信度。采用相关系数作为相似性测度,实现互相关匹配。实验结果显示,在一幅100×100的光学图像中提取85个支持特征向量点作为匹配数据,匹配概率可达到100%,匹配速度比传统相关匹配方法快近四倍。 相似文献
10.