本文關(guān)鍵詞：旋轉(zhuǎn)機(jī)械故障的拉普拉斯支持向量機(jī)診斷方法

  更多相關(guān)文章： 故障診斷 滾動軸承 支持向量機(jī) 半監(jiān)督學(xué)習(xí) 流形學(xué)習(xí)

【摘要】：在旋轉(zhuǎn)機(jī)械故障智能診斷中,收集大量的樣本比較容易,而要對所有的樣本進(jìn)行類別標(biāo)記卻較為困難。針對這一問題,提出了一種基于拉普拉斯支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障智能診斷方法。滾動軸承故障診斷實例表明,有標(biāo)記樣本的數(shù)量較少時,與僅使用有標(biāo)記樣本進(jìn)行學(xué)習(xí)的支持向量機(jī)相比,基于拉普拉斯支持向量機(jī)的診斷方法利用大量的無標(biāo)記樣本進(jìn)行輔助學(xué)習(xí),可以顯著提高故障診斷的正確率。
【作者單位】： 南京航空航天大學(xué);
【基金】：國家自然科學(xué)基金資助項目(61179057)
【分類號】：TH165.3;TP18
【正文快照】： 0引言近年來,隨著人工智能技術(shù)的發(fā)展,智能診斷成為旋轉(zhuǎn)機(jī)械故障診斷研究的一個重要方向。旋轉(zhuǎn)機(jī)械故障智能診斷在本質(zhì)上是一個模式識別問題,支持向量機(jī)(support vector machines,SVM)作為一種推廣性能優(yōu)良的模式識別方法,目前已被廣泛地應(yīng)用于旋轉(zhuǎn)機(jī)械故障智能診斷。文獻(xiàn)[1]

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 蔣全勝;賈民平;胡建中;許飛云;;基于拉普拉斯特征映射的故障模式識別方法[J];系統(tǒng)仿真學(xué)報;2008年20期

2 袁勝發(fā);褚福磊;;支持向量機(jī)及其在機(jī)械故障診斷中的應(yīng)用[J];振動與沖擊;2007年11期

3 王太勇;何慧龍;王國鋒;冷永剛;胥永剛;李強(qiáng);;基于經(jīng)驗?zāi)Ｊ椒纸夂妥钚《酥С质噶繖C(jī)的滾動軸承故障診斷[J];機(jī)械工程學(xué)報;2007年04期

4 徐啟華,師軍;基于支持向量機(jī)的航空發(fā)動機(jī)故障診斷[J];航空動力學(xué)報;2005年02期

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張淑清;黃文靜;胡永濤;宿新爽;陸超;姜萬錄;;基于總體平均經(jīng)驗?zāi)Ｊ椒纸饨旗睾突旌螾SO-BP算法的軸承故障診斷方法[J];中國機(jī)械工程;2016年22期

2 馬新娜;楊紹普;;基于三維譜峭圖算法的共振解調(diào)技術(shù)研究及應(yīng)用[J];中國機(jī)械工程;2016年22期

3 徐向前;周好斌;徐生輝;;支持向量機(jī)建模及游梁式抽油機(jī)抽汲參數(shù)優(yōu)化[J];石油礦場機(jī)械;2016年09期

4 程淼海;樓俏;王瓊;王國軍;胡殿剛;李韶瑜;;基于隨機(jī)森林算法的配網(wǎng)搶修故障量預(yù)測方法[J];計算機(jī)系統(tǒng)應(yīng)用;2016年09期

5 韓中合;徐搏超;朱霄s，

本文編號：1228432