基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对发动机磨损故障识别问题,利用支持向量机(Support Vector Machine,SVM)的小样本训练学习的优势,建立基于SVM的发动机磨损故障识别方法,有效解决了困扰发动机油液分析故障诊断中小样本识别问题,为发动机故障诊断提供了一种新的途径.
推荐文章
基于支持向量机的发动机故障诊断
支持向量机
主分量分析
小波包
故障诊断
基于支持向量机集成的导弹发动机压力预测
支持向量机集成
导弹发动机
压力
预测
基于支持向量机的航空发动机振动预测模型研究
支持向量机
相空间重构
振动预测
嵌入维数
支持向量机用于液体火箭发动机的故障诊断
支持向量机
液体火箭发动机
故障诊断
模式识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机的发动机磨损故障识别
来源期刊 内燃机 学科 工学
关键词 发动机 支持向量机 故障诊断 状态识别 油液光谱分析
年,卷(期) 2008,(4) 所属期刊栏目 检测·试验
研究方向 页码范围 34-37
页数 4页 分类号 TK407
字数 2410字 语种 中文
DOI 10.3969/j.issn.1000-6494.2008.04.012
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 姜乐华 国防科学技术大学工程装备教研室 17 148 6.0 12.0
2 高经纬 国防科学技术大学工程装备教研室 13 139 5.0 11.0
3 傅俭毅 国防科学技术大学工程装备教研室 3 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (5)
同被引文献  (16)
二级引证文献  (9)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(3)
  • 引证文献(2)
  • 二级引证文献(1)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
发动机
支持向量机
故障诊断
状态识别
油液光谱分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
内燃机
双月刊
1000-6494
50-1100/TK
大16开
重庆市石桥铺渝州路17号
78-92
1985
chi
出版文献量(篇)
2278
总下载数(次)
5
论文1v1指导