基于支持向量异常检测算法的新故障检测

• 作者: 张家凡 王小明 黄之初
• 来源期刊: 武汉理工大学学报
• 学科: 工学
• 关键词: 支持向量数据描述 故障诊断 异常检测
• 年，卷（期）: 2006,（12）
• 所属期刊栏目: 机械、控制科学与信息工程
• 页码范围: 109-112
• 页数: 4页
• 分类号: TP206.3
• 字数: 3208字
• 语种: 中文
• DOI: 10.3321/j.issn:1671-4431.2006.12.030

摘要

对于一个智能故障分类与诊断系统,需要有检测新出现的故障模式的能力.采用一种支持向量异常检测算法,即支持向量数据描述(SVDD),建立已知故障类训练样本的描述模型,并用于检测新的训练中未见的故障类样本.以实测的轴承多种故障类样本为例,结果表明:通过选取合适的算法参数,SVDD对设定的新故障类样本的检测率达88%-100%,同时对已知故障类样本的识别率达83%-94%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄之初	武汉理工大学机电工程学院	89	416	12.0	14.0
2	王小明	武汉理工大学机电工程学院	11	52	5.0	6.0
3	张家凡	武汉理工大学机电工程学院	11	59	4.0	7.0