基于PCA和HMM—支持向量机的故障诊断方法设计

• 作者: 刘泽民 李世文
• 来源期刊: 计算机测量与控制
• 关键词: 故障诊断 主成分分析 支持向量机 隐形马尔科夫
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 370-372
• 页数: 3页
• 分类号: TP319
• 语种: 中文

摘要

为了提高复杂系统运行的有效性和可行性,避免系统发生故障时造成巨大的财产损失甚至灾难性的后果,提出了一种基于PCA (Principal Component Analysis,PCA)和HMM (Hidden Markov model,HMM)—支持向量机的故障诊断方法;首先获取故障征兆特征向量,然后采用PCA主成分分析法对特征向量进行降维以减少样本数据的复杂性,将降维后的训练样本数据输入HMM模型和支持向量机模型进行训练得到最终的HMM-支持向量机混合模型,最后将降维后的测试样本数据输入最终的HMM-支持向量机混合模型进行故障诊断;在Matlab仿真环境下进行故障诊断实验,结果证明文中故障诊断精度高达98.9％,与其它方法相比,不仅具有较少的诊断时间而且具有较高的诊断精度,具有很强的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘泽民	攀枝花学院数学与计算机学院	10	17	2.0	3.0
2	李世文	攀枝花学院数学与计算机学院	9	24	3.0	4.0