遗传支持向量机在液压泵轴承故障的预测与应用

为了能够提高液压泵轴承故障预测的效率,深入地研究了支持向量机在液压泵轴承故障诊断中的预测和应用。提出了遗传模拟退火算法优化的最小二乘支持向量机预测模型,并分别对最小二乘支持向量机和遗传模拟退火算法进行了描述,给出了优化预测模型。通过实例研究,结果表明该方法具有较高的预测精度。     

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。     

基于差分进化算法在煤矿水泵故障诊断中的应用

由于煤矿井下工作环境恶劣,对水泵的故障诊断非常重要。为了使支持向量机在水泵故障诊断中获得更好的分类效果,将差分进化算法应用于支持向量机的寻优中;并且深入分析了差分进化算法的原理,构建了基于支持向量机模型的水泵故障诊断模型。工程实践表明,笔者提出的将差分进化算法对支持向量机寻优的故障诊断方法具有良好的诊断效果。     

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。     

孪生支持向量机在滚动轴承振动故障诊断中的应用

通过对滚动轴承振动信号进行定量分析,从振动故障信号中提取与故障诊断方法有关的故障特征,在传统支持向量机的基础上,研究孪生支持向量机的建模方法,建立基于孪生支持向量机的滚动轴承振动故障诊断模型,并结合粒子群优化算法对故障诊断模型的关键参数进行寻优,从而得到最佳的故障诊断模型。仿真结果表明,将孪生支持向量机建模方法应用于滚动轴承振动故障诊断中,能够取得较好的诊断效果和诊断效率,结合粒子群优化算法进一步提高了故障诊断模型的分类准确率,为滚动轴承的振动故障诊断提供了可行有效的思路。     

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。     

SVM在煤矿机电设备故障诊断中的应用

针对煤矿大型机电设备故障诊断与维修过程中存在故障数据少、干扰大的非线性特征,提出了采用支持向量机进行故障诊断的方法。建立了系统故障诊断分类模型,采用拉格朗日函数得到了最优解。通过对刮板输送机传动部温度故障数据的参数估计与分类研究,结果表明支持向量机故障诊断效果较好。     

变精度粗糙集和支持向量机在轴承故障诊断中的应用

针对故障诊断中样本缺乏以及样本数据中难免存在噪声等问题,提出了变精度粗糙集与支持向量机杂合的故障诊断方法:先用变精度粗糙集理论提取故障诊断的特征,获得最优决策系统,在此基础上设计了SVM多分类器进行故障诊断。轴承故障诊断的仿真结果验证了变精度粗糙集理论与支持向量机杂合的诊断方法的可行性。     

刮板输送机故障诊断方法研究

为了提高刮板输送机故障诊断准确度,降低事故发生率,分析了刮板输送机常见的故障,研究了基于支持向量机的刮板输送机故障分类,介绍了刮板输送机故障数据处理方法以及基于SVM的故障诊断流程,并对支持向量机参数进行了选择,采用网格搜索交叉法得到模型的最佳参数模型,使用该模型对刮板输送机故障数据进行预测。研究表明,采用支持向量机和网格搜索交叉法相结合的方法,可以对刮板输送机故障进行有效诊断。     

基于支持向量机的故障诊断方法研究

故障样本缺乏是制约智能故障诊断发展的重要原因。支持向量机是近10 a来提出的一种基于小样本的统计学习方法。将支持向量机分类算法用于滚动轴承的多类故障分类并与RBF神经网络进行对比研究。实验表明,在有限样本条件下,支持向量机算法比RBF神经网络具有更好的分类性能。     

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。     

基于机器学习的煤矿用气动架柱式钻机的寿命预测研究

为了能够提高对气动架柱式钻机寿命预测的准确性,从而提高煤矿生产的安全水平,深入地研究了机器学习在煤矿用气动架柱式钻机寿命预测中的应用。分析了支持向量机的基本原理;提出了遗传算法的基本流程,并且利用遗传算法对支持向量机算法进行改进;以某气动架柱式钻机为例,对其进行了寿命预测,预测结果和实测结果、BP神经网络预测结果进行比较,预测结果表明该方法具有较高的寿命预测精度。     

PLC在数控机床故障诊断中的应用

介绍PLC在数控机床中的功能以及利用PLC进行数控机床故障诊断的常用方法。结合实例分析,提出了利用PLC进行数控机床故障诊断的步骤,为快速、准确排除数控机床故障提供理论参考。     

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。     

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。     

数控机床几何误差的分析与研究

基于机器人运动学原理,结合齐次坐标变化理论和刀具与工件构成的联结矢量链概念,以一台加工中心为对象,建立了包含21项几何误差的数控机床误差模型,并提出了误差的分离方法,所提出的误差模型和分离方法可推广到多轴数控机床误差分析上。     

基于VB的数控机床故障诊断系统实现

快速排除数控机床在运行过程中发生的故障,是降低数控机床加工成本的一种途径。对数控机床常见的故障进行了分类,构造了数控机床故障树;在Access2000中建立了数控机床故障库,应用Visual Basic 6.0进行数控机床故障诊断系统操作界面的开发,能够快速实现对数控机床故障的录入、查询和诊断。     

基于声发射法掘进机故障诊断研究

为了能够提高掘进机故障诊断的准确率,确保掘进机能够正常稳定地工作,深入研究了声发射法在其中的应用。分析了掘进机的主要故障及原因;研究了掘进机声发射信号产生的机理;探讨了掘进机声发射信号监测系统的设计;结合小波神经网络法和声发射法进行了掘进机的故障诊断研究,诊断结果表明该方法具有较高的故障诊断精度。