ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

支持向量机及其在机械故障诊断中的应用

何学文赵海鸣江西理工大学; 中南大学
中南大学学报(自然科学版)2005
28阅读
引用收藏
分享

摘要

针对目前机械故障诊断中难以获得大量故障数据样本以及特征提取和诊断知识获取困难等不足,提出了应用支持向量机进行机械故障诊断的方法,研究了将小波包分析与信号能量分解用于机械故障的特征提取。该方法将振动信号小波包分析后的信号频带能量作为特征向量,输入到由多个支持向量机构成的多故障分类器中进行故障识别和分类。该分类器只需少量训练样本,而且不必预先知道故障分类的经验知识就能实现正确分类。研究结果表明:选用不同核函数及其参数的多故障分类器对分类精度有影响;在样本不带噪声和带15%噪声情况下,支持向量机的分类精度均高于BP神经网络的分类精度,具有更好的分类性能。

学科与关键词

关键词
支持向量机小波包分析特征提取故障诊断多故障分类器 support vector machinewavelet packet analysisfeature extractionfault diagnosismultiple fault classifiers
相关
加载中…

文献加载失败,请重试

重试

发表信息

论文状态
公开发表
期刊
中南大学学报(自然科学版)
发表日期
2005
卷期
第 01 期
页码
97-101
成果收录
CHINAJOURNAL

作者

  • 何

    何学文 赵海鸣 (第一作者)

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417