基于支持向量机的航空发动机叶片超声检测

• 作者: 李政 潘孟春 罗飞路
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 特征提取 支持向量机 缺陷识别
• 年，卷（期）: 2008,（11）
• 所属期刊栏目: 传感器应用
• 页码范围: 1940-1943
• 页数: 4页
• 分类号: TP181
• 字数: 2289字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2008.11.027

摘要

支持向量机(SVM)是一种具有出色学习性能的新型机器学习方法,它能够较好地克服神经网络容易出现的过学习、网络结构难以确定以及局部极小等缺点.研究了小波包变换提取发动机叶片缺陷特征向量的问题,提出一种基于支持向量机的航空发动机叶片超声检测方法.实验表明,基于小波包分解提取特征向量结合支持向量机的识别方法,能够有效地区分发动机叶片部件的几种典型缺陷.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗飞路	国防科学技术大学机电工程与自动化学院	60	559	14.0	21.0
2	潘孟春	国防科学技术大学机电工程与自动化学院	59	422	12.0	17.0
3	李政	国防科学技术大学机电工程与自动化学院	3	53	2.0	3.0