基于支持向量数据描述的机械故障诊断研究

• 作者: 何正嘉 张周锁 李凌均
• 来源期刊: 西安交通大学学报
• 关键词: 支持向量数据描述 单值分类 故障诊断
• 年，卷（期）: 2003,（9）
• 页码范围: 910-913
• 页数: 4页
• 分类号: TH17|TP18
• 语种: 中文
• DOI: 10.3321/j.issn:0253-987X.2003.09.008

摘要

为了解决在机械智能监测与诊断中缺少故障样本的问题,提出了一种机械故障单值分类的新方法--支持向量数据描述法.该方法只需要一类目标样本作为学习样本,而不需要其他非目标样本,就可以建立起单值分类器,从而区分了非目标样本和目标样本.将这种方法应用在机械故障诊断和状态监测中,仅仅依靠正常运行时的数据信号,而不需要故障数据,就可以监测机器的运行状态,且不需要对原始数据进行特征提取.实验结果表明,支持向量数据描述法与传统的神经网络方法相比,具有较好的分类能力和较高的计算效率.

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