基于SVM-Clara模型的机械设备状态监测方法

• 作者: 李锐
• 来源期刊: 工业控制计算机
• 关键词: 状态监测 信号处理 SVM支持向量机 Clara算法
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 工业计算机应用及测控系统专题
• 页码范围: 47-49,51
• 页数: 4页
• 语种: 中文
• DOI: 10.3969/j.issn.1001-182X.2022.01.016

摘要

对工业机械设备的状态进行及时监测,可以极大程度地降低企业因工业设备故障带来的损失.以传统的设备状态监测方法为基础,结合机器学习中的SVM支持向量机算法与Clara聚类算法,首次提出了基于SVM-Clara模型的机械设备状态监测方法.通过仿真实验,首先得到了SVM-Clara模型的最高效率为96.9％,最佳训练数据量为7000,此时模型最高的聚类效率为32.07％;接着再与传统的三种机械设备状态监测方法进行横向对比,得出SVM-Clara模型的理论准确率为95.8333％,证明了基于SVM-Clara模型的机械设备状态监测方法的准确性与高效性.