基于KICA-SVM的矿用主要通风机故障诊断

• 作者: 俞星 刘淑桢 刘皤 尹洪胜
• 来源期刊: 煤矿安全
• 学科: 工学
• 关键词: 核独立成分分析 支持向量机 通风机 故障诊断
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 分析·探讨
• 页码范围: 130-132
• 分类号: TD724
• 语种: 中文

摘要

利用核独立成分分析(KICA)处理矿用主要通风机的振动信号,分离出具有特征信息的独立分量.提取特征向量再利用支持向量机(SVM)对矿用主要通风机的故障状态进行模式识另q.通过实验比较表明,该方法明显提高了故障状态的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹洪胜	中国矿业大学信电学院	38	165	7.0	9.0
2	刘淑桢	中国矿业大学信电学院	3	11	1.0	3.0
3	俞星	中国矿业大学信电学院	4	27	3.0	4.0
4	刘皤	中国矿业大学信电学院	1	10	1.0	1.0