计算机测量与控制
計算機測量與控製
계산궤측량여공제
COMPUTER MEASUREMENT & CONTROL
2015年
6期
1888-1891
,共4页
故障预测%支持向量机%LIB-SVM
故障預測%支持嚮量機%LIB-SVM
고장예측%지지향량궤%LIB-SVM
fault prediction%support vector machine%LIB-SVM
为及时了解电子设备的运行状态,实现电子设备未来某时刻故障预测,将“事后维修”转变为“事前预防”,在统计学习理论(SLT)的基础上,采用LIB-SVM支持向量回归方法,对小样本、非线性条件下的数据进行拟合,并根据自动测试设备(ATE)测得的实际数据及专家经验,对该方法进行了验证;经实验证明,该方法是可行的、有效的,对电子设备的故障预测具有较高的准确度.
為及時瞭解電子設備的運行狀態,實現電子設備未來某時刻故障預測,將“事後維脩”轉變為“事前預防”,在統計學習理論(SLT)的基礎上,採用LIB-SVM支持嚮量迴歸方法,對小樣本、非線性條件下的數據進行擬閤,併根據自動測試設備(ATE)測得的實際數據及專傢經驗,對該方法進行瞭驗證;經實驗證明,該方法是可行的、有效的,對電子設備的故障預測具有較高的準確度.
위급시료해전자설비적운행상태,실현전자설비미래모시각고장예측,장“사후유수”전변위“사전예방”,재통계학습이론(SLT)적기출상,채용LIB-SVM지지향량회귀방법,대소양본、비선성조건하적수거진행의합,병근거자동측시설비(ATE)측득적실제수거급전가경험,대해방법진행료험증;경실험증명,해방법시가행적、유효적,대전자설비적고장예측구유교고적준학도.