基于小波包和支持向量机的故障诊断方法研究

• 作者: 姚舜才 李晓华
• 来源期刊: 电子测试
• 学科: 工学
• 关键词: 小波包 LSSVM 故障诊断
• 年，卷（期）: 2010,（4）
• 所属期刊栏目: 设计与研发
• 页码范围: 31-34
• 页数: 4页
• 分类号: TP18
• 字数: 1997字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-8519.2010.04.008

摘要

基于支持向量机(SVM,support vector machine)对小样本决策具有较好的学习推广性,本文提出一种基于小波包和支持向量机的故障诊断方法,通过小波包分解系数求取频带能量,并根据各个频带的能量的变化提取故障特征,应用LSSVM(least squares support vector machines)进行故障分类.实验结果表明,支持向量机分类器优于传统的BP神经网络和RBF神经网络分类器,识别率较高,具有更强的泛化推广能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚舜才	中北大学信息与通信工程学院	42	76	5.0	6.0
2	李晓华	中北大学信息与通信工程学院	2	4	1.0	2.0