机械工程与自动化
機械工程與自動化
궤계공정여자동화
MECHANICAL ENGINEERING & AUTOMATION
2010年
2期
124-126
,共3页
董黎芳%孙伟%赵俊%刘景芝
董黎芳%孫偉%趙俊%劉景芝
동려방%손위%조준%류경지
支持向量机(SVM)%人工神经网络%智能故障诊断%矿井提升机
支持嚮量機(SVM)%人工神經網絡%智能故障診斷%礦井提升機
지지향량궤(SVM)%인공신경망락%지능고장진단%광정제승궤
故障样本缺乏是制约智能故障诊断发展的重要原因,支持向量机是近年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应用到提升机制动系统的多类故障分类,并与BP神经网络进行对比研究,实验表明,支持向量机算法比BP神经网络具有更好的分类性能,且 "一对多"支持向量机的分类效果是最好的,更适合于提升机制动系统的故障诊断.
故障樣本缺乏是製約智能故障診斷髮展的重要原因,支持嚮量機是近年來提齣的一種基于小樣本的統計學習方法.將支持嚮量機分類算法應用到提升機製動繫統的多類故障分類,併與BP神經網絡進行對比研究,實驗錶明,支持嚮量機算法比BP神經網絡具有更好的分類性能,且 "一對多"支持嚮量機的分類效果是最好的,更適閤于提升機製動繫統的故障診斷.
고장양본결핍시제약지능고장진단발전적중요원인,지지향량궤시근년래제출적일충기우소양본적통계학습방법.장지지향량궤분류산법응용도제승궤제동계통적다류고장분류,병여BP신경망락진행대비연구,실험표명,지지향량궤산법비BP신경망락구유경호적분류성능,차 "일대다"지지향량궤적분류효과시최호적,경괄합우제승궤제동계통적고장진단.
