| 基于SVDD和相对距离的设备故障程度预测 |
| |
| 引用本文： | 陈斌,阎兆立,程晓斌.基于SVDD和相对距离的设备故障程度预测[J].仪器仪表学报,2011,32(7). |
| |
| 作者姓名： | 陈斌 阎兆立 程晓斌 |
| |
| 作者单位： | 中国科学院声学研究所噪声与振动重点实验室 北京100190 |
| |
| 摘 要： | 针对设备故障程度预测问题,提出一种基于支持向量数据描述和核空间相对距离的预测算法。首先通过实验分析法,优化选取了对设备故障程度敏感的频域特征参数及核函数参数;然后分别单独训练设备不同故障程度的数据样本,得到相应的描述设备故障程度的各独立封闭超球体,并引入待测样本点至各超球体中心的相对距离,确定样本所属的故障程度,在此基础上建立设备故障程度预测模型。通过转子振动台所模拟的不平衡故障数据进行实验验证,表明所提出方法能有效预测设备的故障程度。
|
| 关 键 词： | 故障预测 支持向量数据描述 相对距离 |
Machinery fault trend prediction based on SVDD and relative distance |
| |
| Chen Bin,Yan Zhaoli,Cheng Xiaobin.Machinery fault trend prediction based on SVDD and relative distance[J].Chinese Journal of Scientific Instrument,2011,32(7). |
| |
| Authors: | Chen Bin Yan Zhaoli Cheng Xiaobin |
| |
| Affiliation: | Chen Bin,Yan Zhaoli,Cheng Xiaobin(Key Laboratory of Noise and Vibration Research,Institute of Acoustics,Chinese Academy of Sciences,Beijing 100190,China) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
