中国化工贸易
中國化工貿易
중국화공무역
CHINA CHEMICAL TRADE
2014年
14期
72-73
,共2页
多元支持向量机%离心式压缩机%故障诊断
多元支持嚮量機%離心式壓縮機%故障診斷
다원지지향량궤%리심식압축궤%고장진단
MSVM%centrifugal compressor%fault diagnosis
为了克服传统分类器训练时需要大量特征样本的缺点,设计了一种基于多元支持向量机(MSVM)的离心式压缩机转子故障诊断分类器。支持向量机是一种新的机器学习方法,在小样本和高维二元分类方面有非常突出的优点。实验证明,依据此优点设计的MSVM分类器模型不仅可以在小样本情形下对模型进行快速训练,并且可以快速识别多种故障类型,同时识别率也比传统的神经网络方法有较大提高,从而达到提高设备监测和故障诊断效率的目的。
為瞭剋服傳統分類器訓練時需要大量特徵樣本的缺點,設計瞭一種基于多元支持嚮量機(MSVM)的離心式壓縮機轉子故障診斷分類器。支持嚮量機是一種新的機器學習方法,在小樣本和高維二元分類方麵有非常突齣的優點。實驗證明,依據此優點設計的MSVM分類器模型不僅可以在小樣本情形下對模型進行快速訓練,併且可以快速識彆多種故障類型,同時識彆率也比傳統的神經網絡方法有較大提高,從而達到提高設備鑑測和故障診斷效率的目的。
위료극복전통분류기훈련시수요대량특정양본적결점,설계료일충기우다원지지향량궤(MSVM)적리심식압축궤전자고장진단분류기。지지향량궤시일충신적궤기학습방법,재소양본화고유이원분류방면유비상돌출적우점。실험증명,의거차우점설계적MSVM분류기모형불부가이재소양본정형하대모형진행쾌속훈련,병차가이쾌속식별다충고장류형,동시식별솔야비전통적신경망락방법유교대제고,종이체도제고설비감측화고장진단효솔적목적。
For solving the defect of traditional classificatory with many samples, a new classificatory recognizing faults based on Multi-Support Vector Machine (MSVM) is proposed for centrifugal compressors. SVM is a new machine study method which has excellent advantages in small-sample and multi-dimension binary classification. The new MSVM classificatory can be studied in a few samples rapidly to recognize several kinds of new faults. At the same time, the experiments showed that recognizing correct rate increased more greatly compared with traditional BP method.