| 支持向量机多故障分类研究 |
| |
| 引用本文： | 齐保林 李凌均 李志农. 支持向量机多故障分类研究[J]. 矿山机械, 2007, 35(4): 99-102 |
| |
| 作者姓名： | 齐保林 李凌均 李志农 |
| |
| 作者单位： | 郑州牧业工程高等专科学校食品工程系,河南郑州,450011;郑州大学振动工程研究所;郑州大学振动工程研究所 |
| |
| 基金项目： | 河南省自然科学基金0611022400. |
| |
| 摘 要： | 研究了多值分类支持向量机在机械故障诊断中的应用，以滚动轴承振动信号进行了分类实验。实验表明，在小学习样本条件下SV／M比RBF人工神经网络具有更好的分类性能和推广能力。SVM方法的应用为以计算机技术为基础的设备监测、智能故障诊断提供技术保障。
|
| 关 键 词： | 支持向量机(SVM) 多类故障分类 人工神经网络 智能故障诊断 |
| 文章编号： | 1001-3954（2007）04-0099-102 |
| 修稿时间： | 2006-12-14 |
Study to the Classification of Multi-Malfunction of Support Vector Machine |
| |
| QI BaoLin et al.. Study to the Classification of Multi-Malfunction of Support Vector Machine[J]. Mining & Processing Equipment, 2007, 35(4): 99-102 |
| |
| Authors: | QI BaoLin et al. |
| |
| Affiliation: | QI BaoLin et al. |
| |
| Abstract: | The paper studies the application of multi-value classification support vector machine (SVC) on the diagnosis to the mechanical malfunction, and makes classification experiment with the vibration single of rolling bearing. The experiment shows that SVM processes better classification performance and spreading potential than RBF manual neural network under the small study sample condition. Application of SVM offers the technical guarantee for the monitor and intelligent malfunction diagnosis to the computerized equipment. |
| |
| Keywords: | Support vector machine Classification of multi-malfunction Manual neural network Intelligent malfunction diagnosis |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
