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:
采用时频分析和支持向量机(SVM)相结合,提出一种压缩机故障识别新方法.首先利用LabvieW软件平台,对压缩机振动信号进行时频分析;然后提取出空气压缩机故障信号的特征向量,组成训练样本和测试样本;最后使用一对一方法构造成多元支持向量机分类器,利用序列最小优化(SMO)算法对故障样本进行训练,实现了压缩机的故障识别.实验测试表明,该分类器有较高故障诊断效率且性能良好,适合压缩机的故障识别.
推荐文章
基于最小二乘支持向量机的往复式压缩机故障诊断研究
往复式压缩机
故障诊断
LSSVM
振动信号
局部投影降噪在往复压缩机故障诊断中的应用
往复压缩机
故障诊断
局部投影降噪
关联维数
热力参数
基于SADE的混合核LSSVM在压缩机故障预测中的应用
最小二乘支持向量机
混合核
自适应差分进化算法
寻优
故障预测
基于多核学习SVM的图像分类识别算法
支持向量机
多核学习
行人检测
图像识别
直方图交叉核
交叉验证
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SMO算法的SVM分类器在压缩机故障识别中应用
来源期刊 自动化与仪器仪表 学科 工学
关键词 支持向量机 序列最小优化算法 分类器 压缩机 故障识别
年,卷(期) 2012,(3) 所属期刊栏目 应用技术
研究方向 页码范围 96-98
页数 分类号 TH45
字数 2474字 语种 中文
DOI 10.3969/j.issn.1001-9227.2012.03.040
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 马应魁 兰州石化职业技术学院电子电气工程系 17 91 5.0 9.0
2 齐冬莲 浙江大学电气工程学院 74 944 15.0 28.0
3 陈宏希 兰州石化职业技术学院电子电气工程系 33 214 6.0 14.0
4 丁炜 兰州石化职业技术学院电子电气工程系 21 58 5.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (41)
共引文献  (169)
参考文献  (7)
节点文献
引证文献  (3)
同被引文献  (8)
二级引证文献  (1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(18)
  • 参考文献(2)
  • 二级参考文献(16)
2003(7)
  • 参考文献(1)
  • 二级参考文献(6)
2004(3)
  • 参考文献(2)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(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)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
支持向量机
序列最小优化算法
分类器
压缩机
故障识别
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
自动化与仪器仪表
月刊
1001-9227
50-1066/TP
大16开
重庆市渝北区人和杨柳路2号B区
78-8
1981
chi
出版文献量(篇)
9657
总下载数(次)
37
论文1v1指导