支持向量机分类法在异步电机故障诊断中的应用

• 作者: 张行 朱树先
• 来源期刊: 苏州科技大学学报（工程技术版）
• 学科: 工学
• 关键词: 支持向量机 RBF核函数 电机故障诊断 多分类器
• 年，卷（期）: 2019,（2）
• 页码范围: 70-74
• 页数: 5页
• 分类号: TP306.3
• 字数: 5239字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0679.2019.02.012

摘要

近些年来,支持向量机算法开始应用于电机控制和故障诊断,取得了较好的效果.与以往的此类论文不同,笔者对支持向量机核函数进行了深入的理论分析和性能预测,在此基础上,选择了基于径向基核函数(Radial Basis Function简称RBF)的支持向量机进行电机故障诊断,并对基于RBF的支持向量机核函数进行了特性分析和参数优化,从理论上证明了采用基于径向基核函数的支持向量机在故障诊断中的优势.此外,针对现有的检测方法所能检测的故障种类单一,不能对几种故障同时检测的弊端,采用阈值设定法和样本补偿法,进行了两种以上故障的神经网络分类研究.实验及仿真结果证实了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱树先	苏州科技大学电子与信息工程学院	23	76	5.0	7.0
2	张行	苏州科技大学天平学院	7	4	1.0	1.0