原文服务方: 弹箭与制导学报       
摘要:
针对涡轮泵,提出了基于2维能量特征的快速SVM实时故障检测算法.以70为步长,以时域能量和能量变化率为故障特征,计算原始训练样本集.算法采用条件正定核函数计算原始训练样本集中正常与故障样本间的距离,筛选得到边界训练样本集,以此计算支持向量并构造决策函数.该算法对各1 000个正常和故障样本进行训练,仅用时0.42 s.对于检测数据,提前关机时刻3.02 s报警.该算法提高了训练与分类速度,具有良好的实时性与准确性.
推荐文章
基于俯仰角修正的HOG特征快速行人检测算法
快速行人检测算法
HOG特征
俯仰角修正
SVM
Hadoop云平台下基于HOG特征和Adaboost分类器的快速行人检测算法
行人检测
Hadoop
云计算
主成分分析
梯度直方图
Adaboost
基于小波能量谱的舰船磁异常检测算法
舰船磁场
小波变换
能量特征量
磁异常检测
高维数据集之中基于距离的离群快速检测算法
数据挖掘
算法
离群
高维数据集
近似K-近邻
聚类
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2维能量特征和快速SVM的涡轮泵实时故障检测算法
来源期刊 弹箭与制导学报 学科
关键词 涡轮泵 2维能量特征 快速SVM 实时故障检测
年,卷(期) 2014,(4) 所属期刊栏目 火箭技术
研究方向 页码范围 107-110
页数 4页 分类号 V235.1|TP206.3
字数 语种 中文
DOI
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 杨硕 电子科技大学航空航天学院 3 15 2.0 3.0
2 李辉 电子科技大学航空航天学院 95 836 16.0 23.0
3 洪涛 电子科技大学航空航天学院 10 91 7.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (74)
共引文献  (209)
参考文献  (14)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1979(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)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(6)
  • 参考文献(0)
  • 二级参考文献(6)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(10)
  • 参考文献(1)
  • 二级参考文献(9)
2002(13)
  • 参考文献(2)
  • 二级参考文献(11)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(6)
  • 参考文献(1)
  • 二级参考文献(5)
2006(7)
  • 参考文献(1)
  • 二级参考文献(6)
2007(8)
  • 参考文献(2)
  • 二级参考文献(6)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(9)
  • 参考文献(2)
  • 二级参考文献(7)
2010(7)
  • 参考文献(3)
  • 二级参考文献(4)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(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)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
涡轮泵
2维能量特征
快速SVM
实时故障检测
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
弹箭与制导学报
双月刊
1673-9728
61-1234/TJ
大16开
1980-01-01
chi
出版文献量(篇)
0
总下载数(次)
0
总被引数(次)
28550
论文1v1指导