重庆电力高等专科学校学报
重慶電力高等專科學校學報
중경전력고등전과학교학보
JOURNAL OF CHONGQING COLLEGE OF ELECTRIC POWER
2013年
6期
63-66
,共4页
苏盈盈%马飞%刘兴华%熊德杨
囌盈盈%馬飛%劉興華%熊德楊
소영영%마비%류흥화%웅덕양
局部线性嵌入%SVM%旋转机械%故障诊断
跼部線性嵌入%SVM%鏇轉機械%故障診斷
국부선성감입%SVM%선전궤계%고장진단
利用LLE(Locally Linear Embedding)算法对众多的观测变量进行降维,再利用支持向量分类器SVM(Support Vector Machine)方法对降维后的变量数据集进行故障诊断.通过算例仿真表明,旋转机械故障的23维变量因素可降到14维,同时得到的诊断结果中,训练集的正确率为94.8%,测试集的正确率为100%.结果表明基于LLE算法和SVM的旋转机械故障诊断的模型精度有效.其既降低了模型的复杂度,又不影响故障诊断模型的精度.
利用LLE(Locally Linear Embedding)算法對衆多的觀測變量進行降維,再利用支持嚮量分類器SVM(Support Vector Machine)方法對降維後的變量數據集進行故障診斷.通過算例倣真錶明,鏇轉機械故障的23維變量因素可降到14維,同時得到的診斷結果中,訓練集的正確率為94.8%,測試集的正確率為100%.結果錶明基于LLE算法和SVM的鏇轉機械故障診斷的模型精度有效.其既降低瞭模型的複雜度,又不影響故障診斷模型的精度.
이용LLE(Locally Linear Embedding)산법대음다적관측변량진행강유,재이용지지향량분류기SVM(Support Vector Machine)방법대강유후적변량수거집진행고장진단.통과산례방진표명,선전궤계고장적23유변량인소가강도14유,동시득도적진단결과중,훈련집적정학솔위94.8%,측시집적정학솔위100%.결과표명기우LLE산법화SVM적선전궤계고장진단적모형정도유효.기기강저료모형적복잡도,우불영향고장진단모형적정도.