共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
基于粗糙集与支持向量机的发动机故障诊断研究 总被引:5,自引:0,他引:5
在提取发动机气门机构故障特征的基础上,提出了采用粗糙集和支持向量机相结合的故障诊断方法。首先,基于粗糙集理论对故障诊断决策表进行属性约简,然后在最优决策属性的基础上使用支持向量机分类器对故障进行分类。实际诊断结果验证了采用粗糙集与支持向量机相结合的方法对故障进行诊断的可行性与有效性。 相似文献
3.
基于深度学习的发电机故障挖掘方法研究 总被引:2,自引:0,他引:2
谢川 《电网与水力发电进展》2016,32(2):8-13
发电机工作环境复杂,发电机的涡轮叶片在燃烧的气体作用下高速转动,电机本身容易产生故障。通过对发电机故障特征数据的挖掘,可实现故障诊断。传统方法采用支持向量机SVM故障挖掘和分类算法,解决发电机故障检测的稳定性问题,但随着故障特征的增加,故障特征相似性增强,挖掘性能下降。提出一种基于深度学习支持向量机的发电机故障挖掘算法。对发电机故障挖掘原理进行描述,构建故障数据挖掘模型,采用深度学习支持向量机对故障特征进行数据分类处理,解决发电机故障数据的相似性干扰问题,提高了故障数据挖掘和分类性能,仿真实验表明,采用该算法进行发电机故障挖掘,通过深度学习,对故障数据的特征分类性能较好,提高故障诊断能力。 相似文献
4.
5.
6.
7.
8.
9.
为了快速有效地诊断出汽油发动机故障,提出了一种基于孪生支持向量机(TWSVM)的发动机故障诊断方法.该方法利用HC、CO、CO2、O2和NOx共5种尾气参数值,并对其进行规范化处理,然后把这些数据作为特征向量,用于孪生支持向量机构成的多分类器中进行训练和测试,从而达到识别故障类别的目的.试验结果表明:采用孪生支持向量机分类方法比利用传统支持向量机具有更好的分类效果,且训练速度更快;在小样本数据情况下,故障诊断正确率可达到98.4%,能有效描述汽车尾气成分变化与发动机故障状态之间的复杂关系. 相似文献
10.
11.
12.
13.
针对风电机组齿轮箱传统故障诊断方法以全局误诊断率最小化为目标,忽略了误分类型之间的差别的问题,提出基于代价敏感最小二乘支持向量机(Cost-sensitive Least Squares Support Vector Machine,CLSSVM)的风电机组齿轮箱故障诊断方法。该方法在最小二乘支持向量机原始最优化问题中二次损失函数中嵌入不同样本的误分类代价,建立以误分类代价最小化为目标的CLSSVM故障诊断模型,并同最小二乘支持向量机和代价敏感支持向量机比较。实验结果表明,该方法能提高误分类代价高的故障类样本的诊断正确率,具有代价敏感性,其训练速度也足以满足风电机组齿轮箱故障诊断实时性的需求。 相似文献
14.
针对极端复杂工况下风力机轴承运行状态监测中的故障诊断问题,提出一种基于小波包能量熵故障特征提取并结合鲸鱼算法(WOA)优化最小二乘支持向量机(LSSVM)进行故障分类识别的风力机轴承故障诊断方法。通过小波包分解提取各频带成分的能量熵值构建故障特征集,同时针对LSSVM参数的选取依赖人工选择的盲目性问题,采用鲸鱼优化算法寻找LSSVM中最优的2个关键参数正则化参数和核函数参数,以此提高故障诊断模型的分类精度。通过不同工况下的试验数据集测试,实现了对不同故障状态特征参数的准确分类。结果表明,所提方法诊断结果优于遗传算法(GA)和粒子群算法(PSO)分别优化的LSSVM.远优于传统的LSSVM算法。 相似文献
15.
针对船用柴油机气阀漏气故障的问题,提出一种结合遗传算法(genetic algorithm,GA)与支持向量机(support vector machine,SVM)的船舶柴油机气阀漏气振动诊断方法,称之为遗传算法优化支持向量机(GA-SVM)。通过分析静态与动态工况下的缸盖振动信号,提取训练SVM特征参数,利用GA-SVM的惩罚因子与核函数参数对故障进行识别。试验结果表明,GA-SVM方法完善了SVM参数选取方法,可有效识别柴油机气门漏气故障。优化后的整体故障诊断准确率为99.333%,相比于未优化前的测试集,故障诊断正确率提高了约2%。 相似文献
16.
17.
18.
有向无环决策图支持向量机(DDAGSVM)算法是在支持向量机1-v-1算法基础上,引入了图论中有向无环图的思想而构建的多分类方法.它将多个支持向量机1-v-1两类分类器组合成一个带有根结点的多层的有向无环决策图来实现分类,它建立在结构风险最小化原理基础之上,能在训练样本较少的情况下得到很好的分类效果.在总结汽轮机凝汽器常见故障的基础上,建立了凝汽器典型故障集,通过模糊规则获得凝汽器故障征兆知识库,采用DDAGSVM算法对小样本情况下凝汽器设备典型故障诊断进行了研究,实例计算表明DDAGSVM算法具有较高的诊断准确率. 相似文献
19.
机组的振动水平是表征电厂稳定安全最重要的标志之一.本文利用支持向量机的智能方法对机组的轴系故障进行诊断,在小样本集上取得了100%的分类精度.在此基础上,还引入部分噪声数据,统计其分类性能,展示了支持向量机的容错能力.最后分析了支持向量机方法在轴系振动故障振动的优势和缺陷,引入模糊输出支持向量机进行了改进,给设备维修提供了更多的参考信息. 相似文献
20.
以MATLAB为开发平台构建了一套汽轮机振动故障诊断系统.该系统以支持向量机算法为核心,并通过建立支持向量机多分类模型对汽轮机常见故障进行了精确的诊断. 相似文献