基于SVM的旋转机械转子故障预示研究

›› 2010, Vol. 32 ›› Issue (1): 74-76.

基于SVM的旋转机械转子故障预示研究

秦启茂王长林宋宜梅朱亮

桂林电子科技大学机电工程学院，桂林541004

出版日期:2010-02-25 发布日期:2013-05-17

Online:2010-02-25 Published:2013-05-17

摘要/Abstract

摘要：

支持向量机包括支持向量回归机和支持向量分类机。本文提出了一种用于旋转机械转子故障预示的方法，通过支持向量分类机(SVC)对旋转机械转子故障进行分类并建立故障分类器，利用支持向量回归机(SVR)对转子运行状态趋势进行预示，并将预示结果输入到SVC以判断预示结果的属性。对支持向量回归机进行了仿真研究。将支持向量机与神经网络算法从理论和实验研究两个方面进行了对比研究，结果表明，该方法具有较好的故障预示能力。

关键词: 支持向量机, 旋转机械, 状态趋势, 故障预示

中图分类号:

TH165+.3

秦启茂王长林宋宜梅朱亮. 基于SVM的旋转机械转子故障预示研究[J]. , 2010, 32(1): 74-76.

[1]	孙臣良商政李冰包小龙. 煤层底板突水危险性的ReliefF-IGS-SVM预测模型及应用[J]. , 2016, 38(6): 1271-1275，1293.
[2]	王瑶郭鹏飞. 基于PCMRA-SVM的采煤工作面瓦斯涌出量预测[J]. , 2016, 38(6): 1266-1270.
[3]	李烨贾进章. 基于改进GS-SVM的煤矿冲击地压预测研究[J]. , 2016, 38(4): 758-762.
[4]	何银银. 基于改进GS-SVM的煤炭生产成本预测[J]. , 2016, 38(3): 701-705，723.
[5]	杨明磊戚旭鹏张春华郝朝瑜姜超. 基于支持向量机回归与分源预测法的瓦斯涌出量预测模型及其应用[J]. , 2015, 37(5): 485-489.
[6]	刘涛贾进章. 基于K-CV&SVM的工作面煤层瓦斯含量预测[J]. , 2015, 37(2): 147-150.
[7]	张智纲王雪峰范瑞. 基于果蝇算法的破坏带深度FOA-SVM预计模型[J]. , 2014, 36(5): 494-497.
[8]	温廷新张波. 基于EMD和LSSVM的滚动轴承故障诊断[J]. , 2014, 36(1): 76-79,88.
[9]	朱征宇钟锐. 基于区块位置与加权视觉语义映射的语义图像检索[J]. , 2013, 35(5): 624-626, 636.
[10]	罗显科柴毅李华锋梁奕欢. 半监督增量式SVM在故障诊断中的应用研究[J]. , 2013, 35(4): 459-461.
[11]	章仁飞陈印卢莹 . 基于支持向量机的多类数字调制识别方法[J]. , 2013, 35(2): 181-183，186.
[12]	闫嘉田逢春庆华冯敬伟贾鹏飞孙诚樊澍 . 基于支持向量机和粒子群算法的电子鼻伤口感染检测[J]. , 2012, 34(2): 261-264.
[13]	闫嘉田逢春何庆华冯敬伟贾鹏飞孙诚樊澍. 基于支持向量机和粒子群算法的电子鼻伤口感染检测[J]. , 2012, 34(2): 0-264.
[14]	张彬李恒陈江. 支持向量机在围岩变形监测中的应用[J]. , 2011, 33(3): 425-427.
[15]	王长林秦启茂宋宜梅. 支持向量机及其在机械故障诊断中的应用研究[J]. , 2009, 31(6): 1101-1103.

基于SVM的旋转机械转子故障预示研究

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐