基于支持向量机的矿井提升机制动系统的故障诊断

• 作者: 刘景芝 孙伟 董黎芳 赵俊
• 来源期刊: 机械工程与自动化
• 学科: 工学
• 关键词: 支持向量机(SVM) 人工神经网络 智能故障诊断 矿井提升机
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 质量监测与故障诊断
• 页码范围: 124-126
• 页数: 3页
• 分类号: TD534|TH165+.3
• 字数: 2934字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6413.2010.02.046

摘要

故障样本缺乏是制约智能故障诊断发展的重要原因,支持向量机是近年来提出的一种基于小样本的统计学习方法.将支持向量机分类算法应用到提升机制动系统的多类故障分类,并与BP神经网络进行对比研究,实验表明,支持向量机算法比BP神经网络具有更好的分类性能,且 "一对多"支持向量机的分类效果是最好的,更适合于提升机制动系统的故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙伟	中国矿业大学信电学院	105	523	13.0	17.0
2	赵俊	中国矿业大学信电学院	6	41	3.0	6.0
3	刘景芝	中国矿业大学信电学院	3	27	3.0	3.0
4	董黎芳	中国矿业大学信电学院	2	13	2.0	2.0