大型实验仪器设备异常运行状态辨识方法研究

• 作者: 余孝其 刘艳红 张骥 李静
• 来源期刊: 电子设计工程
• 学科: 工学
• 关键词: 实验设备 异常运行 状态辨识 辨识因子 多分类支持向量机
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 计算机技术与应用
• 页码范围: 6-9
• 页数: 4页
• 分类号: TN92
• 字数: 2860字
• 语种: 中文

摘要

以往辨识方法无法正确选择有效特征,导致辨识精准度较低,为了改善该问题,提出了基于学习机器支持向量机的大型实验仪器设备异常运行状态辨识方法.根据时域统计均值、方差、均方根值特征量,消除次要参量干扰,提取特征集中最优参量.通过核函数将最优参量映射到核空间中,形成映射向量.依据识别函数在特征空间中构造时频平面,采用多分类支持向量机对映射向量进行训练与自学习,将训练与学习结果作为设备异常状态的辨识标准.确定异常状态辨识因子,结合辨识标准,完成大型实验仪器设备异常运行状态辨识.通过实验对比结果可知,该方法辨识精准度较高,为大型实验仪器设备安全使用提供依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李静	四川大学基础化学实验教学中心	353	3005	29.0	45.0
2	余孝其	四川大学化学学院	48	199	7.0	13.0
3	刘艳红	四川大学基础化学实验教学中心	18	54	3.0	7.0
4	张骥	四川大学化学学院	16	19	2.0	3.0