PCA特征抽取与SVM多类分类在传感器故障诊断中的应用

• 作者: 彭红星 徐巍 陈祥光
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 传感器故障诊断 小波包分解 主元分析 特征抽取 支持向量机
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 研究简报
• 页码范围: 111-116
• 页数: 6页
• 分类号: TP277|TP181
• 字数: 5768字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9037.2010.01.022

摘要

为了提高传感器故障诊断的准确率,提出了基于主元分析(PCA)特征抽取和支持向量机(SVM)多类分类的故障诊断方法.该方法通过对传感器输出信号进行小波包分解产生原始特征数据,然后采用PCA特征抽取得到二次特征向量,增强传感器各个状态模式的可分性.二次特征输入到二叉树SVM多类分类算法设计的分类器实现传感器故障诊断.仿真实验结果表明,这种结合了PCA特征抽取和SVM分类的诊断方法准确率高,其诊断效果优于直接采用原始特征进行分类的情况.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭红星	北京理工大学化工与环境学院	6	66	4.0	6.0
5	陈祥光	北京理工大学化工与环境学院	104	807	17.0	23.0
6	徐巍	北京理工大学化工与环境学院	4	62	4.0	4.0