基于网格搜索和支持向量机的矿用风机故障诊断研究

鉴于支持向量机在小样本数据情况下能够获得较大推广能力的特点,提出将支持向量机应用到矿用通风机的故障诊断中。利用网格搜索法对支持向量机进行参数寻优,通过多类分类方法对通风机故障进行分类,建立故障诊断模型。试验结果显示,该方法准确率较高,具有很好的适用性。     

基于粗糙集和模糊支持向量机的感应电动机故障诊断方法

提出粗糙集(RS)和模糊支持向量机(FSVM)相结合的电动机故障诊断方法。先利用粗糙集对属性进行约简,然后将约简属性作为FSVM的输入,再对其进行训练,实现多分类,并使结果可视化。实际诊断结果验证了此方法的可行性与有效性。     

基于支持向量机的矿用通风机故障诊断

以小波包技术和支持向量机为工具,对定子电流信号进行分析,建立通风机多故障分类器,实现故障智能识别。运用小波包技术将定子电流的时频信号分解为几个包含通风机不同工作状态信息的频段,并提取出各个频段的特征向量,以此作为分类器的训练样本,采用有向无环图解决多分类问题。以转子断条为例,对已训练完成的多故障分类器进行验证。研究结果表明,该方法具有良好的多故障分类智能诊断性能。     

基于小波-支持向量机的矿用通风机故障诊断

运用小波包频道能量分解技术提取了不同频带反映矿用通风机不同工作状态的特征向量,以此作为支持向量机多故障分类器的故障样本,经训练的分类器作为故障智能分类器可对通风机的工作状态进行自动识别和诊断.并以不对中故障为例,进行了实用验证.研究结果表明,支持向量机在小样本情况下仍能准确、有效地对通风机的工作状态和故障类型进行分类.     

基于支持向量机的液压泵故障诊断

支持向量机在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,用ν-支持向量机构造"一对一"多分类算法,应用于ZB40液压泵的故障诊断,取得了较好效果,较神经网络方法,它不必预先提取信号的特征量,只需要少量的故障样本训练分类器,实用性好。     

基于支持向量机的数控机床总线的故障诊断研究

为了能够准确地对数控机床进行故障诊断,深入地研究了支持向量机故障诊断的方法。提出了最小二乘支持向量机的基本理论;提出了遗传模拟退火算法;进行了实例研究,结果表明该方法具有较高的故障诊断能力。     

基于支持向量机的煤矿井下水泵故障诊断研究

对井下水泵常见故障进行分析,将支持向量机理论和网格搜索算法进行融合,对煤矿井下水泵故障与特征频率信息进行处理,进而完成水泵的故障诊断。试验表明,该水泵故障诊断方法时间快、诊断精度高。     

基于K-L变换和支持向量机的滚动轴承故障诊断

提出了应用K-L变换和支持向量机相结合进行滚动轴承故障诊断的方法。K-L变换可以将高维相关变量压缩为低维独立的主特征向量,而支持向量机可以完成模式识别和非线性回归。试验结果表明,利用主矢量分解后的主特征向量与支持向量机相结合可以有效、准确地识别轴承的故障模式,为轴承故障诊断向智能化发展提供了新途径。     

基于改进支持向量机方法的汽轮机故障诊断研究

针对汽轮机故障诊断问题,在分析比较支持向量机"一对多"和"一对一"多分类算法的基础上,构建改进的串行支持向量机多分类方法,并依据该算法建立了多故障分类器,将其应用于典型的汽轮机故障诊断,仿真实验结果证明了该方法的有效性。     

基于改进布谷鸟算法与SVM的矿用变压器故障诊断

矿用变压器主要用于含有易燃气体和煤尘的矿井中,为采煤机、运输车及照明系统提供电源。针对目前矿用变压器故障诊断准确率不高的情况,提出了一种基于改进布谷鸟算法和支持向量机(SVM)的矿用变压器故障诊断方法。首先引入改进的布谷鸟算法对支持向量机参数进行寻优,获得具有最佳参数的支持向量机模型,然后利用支持向量机对变压器故障进行分类来实现变压器故障的诊断,最后,通过算例仿真对所提算法和检测方法进行了验证,Matlab仿真结果表明：利用改进布谷鸟算法和诊断模型得到的矿用变压器故障诊断准确率要高于传统的矿用变压器故障诊断方法。     

基于支持向量机的异步电机转子故障诊断

根据异步电机发生故障时振动信号的特点,提出了一种基于小波包分解和支持向量机相结合的异步电机转子故障诊断方法。通过采用快速ICA算法对振动信号进行多通道数据融合,然后进行3层小波包分解,得到各分解节点对应频带的重构信号以及对应的能量,并将各频带的能量元素组成的特征向量作为诊断模型的特征向量,输入到LS-SVM分类器中进行故障识别和分类。诊断结果表明:采用ICA-SVM模型具有较高的分类速度和很好的故障识别率。     

基于小波包分析和有向无环图支持向量机的电机故障诊断研究

针对电机振动信号的特点,提出一种基于小波包分析和有向无环图支持向量机的故障诊断方法,将电机不同故障下的振动信号进行小波包分解与重构,提取频带能量作为特征向量,应用有向无环图支持向量机建立从特征向量到故障模式之间的映射,实现对电机的故障诊断。结果表明,该方法能准确有效地诊断电机故障。     

基于支持向量机的旋转机械非线性故障诊断研究

故障样本不足是制约故障诊断技术向智能化方向发展的主要原因之一 ,支持向量机(SVM)是一种基于统计学习理论 (SLT)的机器学习算法 ,它能在训练样本很少的情况下达到很好的分类效果 ,从而为故障诊断技术向智能化发展提供了新的途径。介绍了支持向量机分类算法 ,探讨了该算法在故障诊断领域中的应用 ,并利用不同的核函数与BP神经网络分类方法进行了对比研究。结果表明 ,SVM方法在小样本情况下的分类效果优于BP神经网络。     

基于关联维数与支持向量机的内燃机故障诊断研究

为解决内燃机故障诊断这一复杂问题,在ANSYS环境下,对6110型内燃机曲轴在正常工作状态和几种故障状态下进行瞬态动力学分析,得到曲轴的振动信号,对各信号进行相空间重构,并计算其关联维数,采用支持向量机(SVM)直接对关联维数进行分类,从而将配气机构的故障诊断转换为对曲轴振动信号关联维数的分类。研究结果表明:内燃机曲轴在不同工作状态下,振动信号的关联维数各不相同,将关联维数作为特征参数能够去除内燃机曲轴振动信号时域图中的冗余信息,突出故障类型,将关联维数与支持向量机相结合能够较好地解决内燃机故障诊断中的样本少、维数高等问题。     

基于节点优化的决策树支持向量机及在故障诊断中的应用

针对目前故障诊断中,难以获得大量的故障数据样本以及诊断知识获取困难等不足,提出了专门针对有限样本的新一代机器学习的算法—支持向量机(SVM),它在样本很少的情况下具有较好的泛化能力,比较适合解决故障诊断小样本情况的实际问题。在多故障诊断时,必须先进行多分类扩展.决策树是一种性能优秀的多分类扩展策略,但该方法的决策结果与结点的排部密切相关,结点的排部影响了诊断的正确率.提出一种根据故障数据的空间分布来优化结点排部的方法,它能够提高支持向量机诊断的正确率.采用该方法扩展的多分类支持向量机在故障诊断中获得良好效果.     

故障诊断应用的支持向量机多值分类算法

对常用的多值分类算法进行分析。基于决策有向无环图的支持向量机多值分类算法,提高了分类精度,缩短了训练时间,仿真结果证明该算法的先进性。     

基于支持向量机的数控机床液压刀架的故障诊断研究

针对数控机床液压刀架在工作过程中所产生的不同种类的故障情况,利用支持向量机对其进行故障诊断。分析了数控机床液压刀架的工作原理;分析了支持向量机的基本概念,建立了故障诊断流程;进行了故障仿真分析,结果表明该方法具有较好的故障诊断可靠性。     

基于EMD的电机轴承故障识别研究

将经验模态分解(EMD)和支持向量机(SVM)方法相结合应用于电机滚动轴承故障诊断中,该方法利用EMD将电机滚动轴承振动信号分解为有限个内禀模态函数(IMF)之和,对表征高频信息的IMF分量取其能量作为故障特征向量,以此作为多项式核函数(2阶)SVM分类器的输入参数来区分电机滚动轴承的工作状态和故障类型。实验结果表明,该方法在小样本情况下仍能准确、有效地对电机滚动轴承的工作状态和故障类型进行分类,实现电机滚动轴承故障自动识别。     

基于支持向量机的液压位置伺服系统自适应阈值研究

针对传统的液压伺服控制系统故障构成,详细分析了液压伺服控制系统的基本构成结构,对液压伺服控制系统故障影响因素进行了深入探讨,并对影响残差的因素进行详细的分析,在此基础上提出了基于支持向量机的自适应阈值研究,给出了自适应阈值的理论推导,同时结合实际应用对基于支持向量机的液压位置伺服系统进行了建模和故障诊断仿真测试。