微计算机信息
微計算機信息
미계산궤신식
CONTROL & AUTOMATION
2007年
13期
227-228,224
,共3页
支持向量机%神经网络%故障诊断%小波包%柴油机
支持嚮量機%神經網絡%故障診斷%小波包%柴油機
지지향량궤%신경망락%고장진단%소파포%시유궤
介绍了基于支持向量机(SVM)的故障诊断方法的原理和算法.利用小波包分解提取信号的特征参数,将特征送入故障分类器中训练.实验结果表明,当数据样本较少时,相比神经网络而言,基于SVM的故障分类器仍能正确分类多种故障.这种诊断方法具有算法简单、故障分类能力强的优点.
介紹瞭基于支持嚮量機(SVM)的故障診斷方法的原理和算法.利用小波包分解提取信號的特徵參數,將特徵送入故障分類器中訓練.實驗結果錶明,噹數據樣本較少時,相比神經網絡而言,基于SVM的故障分類器仍能正確分類多種故障.這種診斷方法具有算法簡單、故障分類能力彊的優點.
개소료기우지지향량궤(SVM)적고장진단방법적원리화산법.이용소파포분해제취신호적특정삼수,장특정송입고장분류기중훈련.실험결과표명,당수거양본교소시,상비신경망락이언,기우SVM적고장분류기잉능정학분류다충고장.저충진단방법구유산법간단、고장분류능력강적우점.
