系统工程理论与实践
繫統工程理論與實踐
계통공정이론여실천
Systems Engineering—Theory & Practice
2010年
7期
1266~1271
,共null页
机械故障诊断 支持向量分类机 三角模糊数 粒子群
機械故障診斷 支持嚮量分類機 三角模糊數 粒子群
궤계고장진단 지지향량분류궤 삼각모호수 입자군
mechanical fault diagnoses; support vector classifier machine; triangular fuzzy number; particle swarm optimization
针对机械故障诊断中存在的小样本、模糊、不确定性特征数据等问题，将改进三角模糊理论与支持向量分类机（SVM）方法相结合，提出一种Fv—SVM模型，给出相应的机械故障诊断方法．最后进行了复杂设备故障诊断的实例分析，结果表明基于Fv-SVM的机械故障诊断方法是有效和可行的．
針對機械故障診斷中存在的小樣本、模糊、不確定性特徵數據等問題，將改進三角模糊理論與支持嚮量分類機（SVM）方法相結閤，提齣一種Fv—SVM模型，給齣相應的機械故障診斷方法．最後進行瞭複雜設備故障診斷的實例分析，結果錶明基于Fv-SVM的機械故障診斷方法是有效和可行的．
침대궤계고장진단중존재적소양본、모호、불학정성특정수거등문제，장개진삼각모호이론여지지향량분류궤（SVM）방법상결합，제출일충Fv—SVM모형，급출상응적궤계고장진단방법．최후진행료복잡설비고장진단적실례분석，결과표명기우Fv-SVM적궤계고장진단방법시유효화가행적．
Aiming at the problems of small samples and uncertainty data in mechanical fault diagnoses, improved triangular fuzzy theory is combined with support vector classifier machine, and a kind of fuzzy support vector classifier machine named Fv-SVM is proposed. And then, a mechanical fault diagnoses method are put forward. The results of application in complex equipment show that the fault diagnoses method based on Fv-SVM is feasible and effective.
