原文服务方: 西安交通大学学报       
摘要:
为了提高对异常状态识别的适应性和有效性,提出了一种基于一类支持向量机的设备状态自适应报警方法.该方法使用一类支持向量机的在线算法,动态估计监测参数在高维特征空间中的最优分布区域,将新数据与上一时刻分布区域的相对距离作为异常指标,描述监测参数的统计特征变化,辨识出设备的异常状态.通过对仿真数据的报警效果分析,以及将该方法应用于对加热炉风机的振动监测中,得到的异常报警结果能够满足实际监测的需要,证明该方法具有异常的识别敏感性、缓慢劣化包容性和状态迁移适应性的特点.
推荐文章
基于全信息技术的自适应报警方法研究
全信息技术
自适应报警方法
概率神经网络
基于支持向量机的一类混沌系统自适应逆控制
混沌控制
支持向量机
支持向量回归
自适应逆控制
基于最小二乘支持向量机的一类非自治系统自适应控制
最小二乘支持向量机
非自治系统
自适应控制
李亚普诺夫理论
基于最小二乘支持向量机的一类非自治系统自适应控制
最小二乘支持向量机
非自治系统
自适应控制
李亚普诺夫理论
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 一类支持向量机的设备状态自适应报警方法
来源期刊 西安交通大学学报 学科
关键词 一类支持向量机 自适应报警 异常状态
年,卷(期) 2009,(11) 所属期刊栏目
研究方向 页码范围 61-65
页数 5页 分类号 TH165.3
字数 语种 中文
DOI 10.3321/j.issn:0253-987X.2009.11.013
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 徐光华 西安交通大学机械工程学院 80 961 16.0 28.0
5 张熠卓 西安交通大学机械工程学院 5 143 5.0 5.0
6 张庆 西安交通大学机械工程学院 32 245 8.0 14.0
10 华成 西安交通大学机械工程学院 5 33 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (11)
参考文献  (4)
节点文献
引证文献  (8)
同被引文献  (22)
二级引证文献  (27)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(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)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(2)
  • 引证文献(1)
  • 二级引证文献(1)
2014(4)
  • 引证文献(1)
  • 二级引证文献(3)
2015(5)
  • 引证文献(0)
  • 二级引证文献(5)
2016(4)
  • 引证文献(1)
  • 二级引证文献(3)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(6)
  • 引证文献(1)
  • 二级引证文献(5)
2019(6)
  • 引证文献(1)
  • 二级引证文献(5)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
一类支持向量机
自适应报警
异常状态
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
西安交通大学学报
月刊
0253-987X
61-1069/T
大16开
1960-01-01
chi
出版文献量(篇)
7020
总下载数(次)
0
总被引数(次)
81310
相关基金
国家高技术研究发展计划(863计划)
英文译名:The National High Technology Research and Development Program of China
官方网址:http://www.863.org.cn
项目类型:重点项目
学科类型:信息技术
论文1v1指导