基于支持向量机的故障诊断方法研究

• 作者: 李凌均 齐保林
• 来源期刊: 煤矿机械
• 学科: 工学
• 关键词: 支持向量机(SVM) 多类故障分类 人工神经网络 智能故障诊断
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 故障·诊断
• 页码范围: 182-184
• 页数: 3页
• 分类号: TH17
• 字数: 2267字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0794.2007.01.080

摘要

故障样本缺乏是制约智能故障诊断发展的重要原因.支持向量机是近10 a来提出的一种基于小样本的统计学习方法.将支持向量机分类算法用于滚动轴承的多类故障分类并与RBF神经网络进行对比研究.实验表明,在有限样本条件下,支持向量机算法比RBF神经网络具有更好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐保林	郑州大学振动工程研究所	27	100	5.0	9.0
3	李凌均	郑州大学振动工程研究所	45	352	12.0	17.0