基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为有效对内燃机运行状态进行评估,根据内燃机振动信号特征和故障样本较少的特点,提出了基于主分量分析和支持向量机进行内燃机状态判别的故障诊断方法.提取内燃机振动特征参数,利用主分量分析消除其信息冗余,提取反映内燃机运行状态的主分量特征,实现内燃机振动特征参数降维.通过选择适合内燃机振动信号的径向基核函数,构造一对多的支持向量机多类分类器,对主分量特征进行训练学习,实现内燃机运行状态判别.通过对模拟内燃机不同运行状态的试验分析,结果表明该方法可以有效识别内燃机不同的运行状态.
推荐文章
基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断
内燃机
故障诊断
EMD
图像识别
不变矩
SVM
基于LS-SVM和SVM的气动执行器故障诊断方法
执行器故障诊断
最小二乘支持向量机
支持向量多分类机
残差
特征提取
基于PCA-SVM模型的多电平逆变系统故障诊断
级联H-桥
多电平逆变
主元分析
支持矢量机
故障诊断
PCA特征抽取与SVM多类分类在传感器故障诊断中的应用
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
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 基于PCA和SVM的内燃机故障诊断
来源期刊 振动、测试与诊断 学科 工学
关键词 主分量分析 支持向量机 内燃机 故障诊断
年,卷(期) 2012,(2) 所属期刊栏目 论文
研究方向 页码范围 250-255
页数 分类号 TP206.3|TH183.1|TK418
字数 5102字 语种 中文
DOI 10.3969/j.issn.1004-6801.2012.02.014
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 张平 中国科学技术大学精密机械与精密仪器系 180 2022 23.0 35.0
2 孔凡让 中国科学技术大学精密机械与精密仪器系 133 1100 17.0 25.0
3 刘永斌 安徽大学电气工程与自动化学院 38 451 13.0 20.0
5 何清波 中国科学技术大学精密机械与精密仪器系 34 253 9.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (40)
参考文献  (11)
节点文献
引证文献  (72)
同被引文献  (201)
二级引证文献  (309)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(4)
  • 参考文献(3)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(9)
  • 参考文献(2)
  • 二级参考文献(7)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2013(8)
  • 引证文献(7)
  • 二级引证文献(1)
2014(22)
  • 引证文献(10)
  • 二级引证文献(12)
2015(45)
  • 引证文献(13)
  • 二级引证文献(32)
2016(50)
  • 引证文献(9)
  • 二级引证文献(41)
2017(72)
  • 引证文献(12)
  • 二级引证文献(60)
2018(75)
  • 引证文献(11)
  • 二级引证文献(64)
2019(81)
  • 引证文献(7)
  • 二级引证文献(74)
2020(28)
  • 引证文献(3)
  • 二级引证文献(25)
研究主题发展历程
节点文献
主分量分析
支持向量机
内燃机
故障诊断
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
振动、测试与诊断
双月刊
1004-6801
32-1361/V
南京市御道街29号
chi
出版文献量(篇)
2937
总下载数(次)
3
总被引数(次)
26426
论文1v1指导