基于改进SVM的车辆传动系统故障诊断方法

• 作者: 王军政 郭凯杰 马立玲
• 来源期刊: 北京理工大学学报
• 学科: 工学
• 关键词: 支持向量机 不平衡数据 概率输出 模糊隶属度 性能分析
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 信息与控制
• 页码范围: 856-860
• 页数: 5页
• 分类号: TP277
• 字数: 4104字
• 语种: 中文
• DOI: 10.15918/j.tbit1001-0645.2019.110

摘要

利用车辆传动系统试验数据对车辆进行故障诊断和性能评价可以实现车辆故障预警,提高可靠性,从而提高车辆性能,但测试数据有数据量大、不平衡、维度高、噪声多的特征,使得传统数据分析算法会产生次优的分类模型.针对上述问题,提出了一种改进的不平衡数据分类支持向量机算法.该算法赋予各样本不同的权值,用马氏距离改进模糊隶属度的设计以排除变量相关性干扰,同时可以输出正常状态下的故障概率.实验结果表明,该算法能够有效提高故障诊断的准确性,概率输出模型可用于故障预警和性能分析.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王军政	北京理工大学自动化学院	100	1335	20.0	29.0
2	马立玲	北京理工大学自动化学院	18	238	9.0	15.0
3	郭凯杰	北京理工大学自动化学院	1	0	0.0	0.0