支持张量机在柴油机故障预测中的应用研究

• 作者: 严运兵 王小辉 许小伟
• 来源期刊: 武汉科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 柴油机 在线支持向量机 在线支持张量机 故障预测
• 年，卷（期）: 2015,（2）
• 页码范围: 106-110
• 页数: 5页
• 分类号: TK428
• 字数: 3776字
• 语种: 中文

摘要

为了解决柴油机故障预测中大样本、非线性以及高维数据的数据预测问题，避免以向量输入带来的结构信息丢失和数据相关性被破坏等现象，结合支持向量机（SVM ）的学习框架和交替投影的思想，研究基于在线支持张量机（OSTM ）的柴油机故障预测算法和流程，并以测试精度、学习时间和均方根误差作为评价指标，利用远程监测系统采集的数据，分别应用在线支持向量机（OSVM ）和OSTM 进行故障预测和分析。结果表明，与OSVM 方法相比，OSTM方法测试精度较高，学习时间大幅缩短，预测模型的收敛速度较快，能有效在线预测柴油机故障。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严运兵	武汉科技大学汽车与交通工程学院	89	440	12.0	15.0
2	许小伟	武汉科技大学汽车与交通工程学院	22	24	3.0	3.0
3	王小辉	武汉理工大学能源与动力工程学院	3	9	2.0	3.0