支持向量机在机械故障诊断中的应用研究

• 作者: 何正嘉 张周锁 李凌均
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 统计学习理论(SLT) 支持向量机(SVM) 故障诊断
• 年，卷（期）: 2002,（19）
• 所属期刊栏目: 博士论坛
• 页码范围: 19-21
• 页数: 3页
• 分类号: TH17|O235
• 字数: 3355字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2002.19.006

摘要

在机械故障诊断中,通常不具备有大量的故障样本,因此,制约了故障诊断技术向智能化方向发展.而基于统计学习理论(SIT)的支持向量机(SVM)方法正好克服了这方面的不足.统计学习理论是专门研究少样本情况下的统计规律及学习方法的理论.SLT理论和SVM方法为故障诊断技术向智能化发展提供了新的途径.该文讨论了支持向量机在故障诊断领域中应用的分类算法.并以滚动轴承的振动信号为例进行了试验论证.试验表明:SVM方法对具有少样本的故障诊断领域具有很强的适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何正嘉	西安交通大学机械工程学院	204	7277	46.0	77.0
2	张周锁	西安交通大学机械工程学院	44	1467	18.0	38.0
3	李凌均	西安交通大学机械工程学院	13	949	11.0	13.0