基于支持向量机的旋转机械非线性故障诊断研究

• 作者: 刘兆阳 张家伟 王秉仁 田丽洁
• 来源期刊: 煤矿机械
• 学科: 工学
• 关键词: 统计学习理论(SLT) 支持向量机(SVM) 故障诊断 神经网络
• 年，卷（期）: 2005,（2）
• 所属期刊栏目: 故障·诊断
• 页码范围: 122-123
• 页数: 2页
• 分类号: TD3
• 字数: 1967字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0794.2005.02.058

摘要

故障样本不足是制约故障诊断技术向智能化方向发展的主要原因之一,支持向量机(SVM)是一种基于统计学习理论(SLT)的机器学习算法,它能在训练样本很少的情况下达到很好的分类效果,从而为故障诊断技术向智能化发展提供了新的途径.介绍了支持向量机分类算法,探讨了该算法在故障诊断领域中的应用,并利用不同的核函数与BP神经网络分类方法进行了对比研究.结果表明,SVM方法在小样本情况下的分类效果优于BP神经网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王秉仁	华北电力大学机械工程学院	17	233	8.0	15.0
2	刘兆阳	华北电力大学机械工程学院	5	40	3.0	5.0
3	田丽洁	华北电力大学机械工程学院	10	59	5.0	7.0
4	张家伟	华北电力大学机械工程学院	3	17	3.0	3.0