基于支持向量机的液压泵故障诊断

支持向量机在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,用ν-支持向量机构造"一对一"多分类算法,应用于ZB40液压泵的故障诊断,取得了较好效果,较神经网络方法,它不必预先提取信号的特征量,只需要少量的故障样本训练分类器,实用性好。     

基于支持向量机的液压泵故障判断方法研究

液压泵是液压系统的动力源,它的失效直接影响系统的正常工作,因此液压泵的状态监测与故障诊断是迫切需要解决的问题。阐述了支持向量机(SVM)算法的原理,研究了基于支持向量机的液压泵的故障诊断,通过分析,选择了恰当的核函数,建立了优化方程。试验分析的结果表明,该方法是一种简单而有效的方法。     

遗传支持向量机在液压泵轴承故障的预测与应用

为了能够提高液压泵轴承故障预测的效率,深入地研究了支持向量机在液压泵轴承故障诊断中的预测和应用。提出了遗传模拟退火算法优化的最小二乘支持向量机预测模型,并分别对最小二乘支持向量机和遗传模拟退火算法进行了描述,给出了优化预测模型。通过实例研究,结果表明该方法具有较高的预测精度。     

基于球结构支持向量机的液压泵故障诊断研究

针对目前故障诊断中难以获得大量故障数据样本的不足,提出球结构支持向量机故障分类算法,并运用其构成多故障分类器进行YB-6叶片泵的故障识别。试验表明该方法只需要少量的时域故障数据样本来训练分类器,不必进行信号预处理便可实现多故障的识别和诊断,在少样本情况下比BP神经网络具有故障分类能力强的优点。     

基于支持向量机的电机故障预测研究

对现在比较盛行的状态监测与故障检测和预测做了阐述性的介绍,并且就故障预测方法在现代工业生产的应用性方面做了定性分析,并将支持向量机的这种对小样本数据比较有效的训练和处理方法引入到电机的故障预测中来。     

基于遗传算法优化在线支持向量机的风电场风速预测

提出利用遗传算法优化在线支持向量机的风电场风速预测方法,应用遗传算法选择在线支持向量机的参数,将选择的参数代入在线支持向量模型,对前7 d的风速进行预测,实验结果证明了该方法的可行性。     

基于小波分析-支持向量机的风机故障预测

提出了基于小波分析和支持向量机的风机故障早期预测方法。通过小波分解,将风机原始振动时间序列依尺度分解到不同层次,对每层分别采用支持向量机（SVM）预测,最后合成得到原始序列的预测值。对某铝厂排送风机的运行状态进行预测,并与其它预测方法进行了对比,结果表明该方法预测精度更高。应用该预测方法可合理安排维修时间,减少维修费用。     

基于支持向量机的故障诊断方法研究

故障样本缺乏是制约智能故障诊断发展的重要原因。支持向量机是近10 a来提出的一种基于小样本的统计学习方法。将支持向量机分类算法用于滚动轴承的多类故障分类并与RBF神经网络进行对比研究。实验表明,在有限样本条件下,支持向量机算法比RBF神经网络具有更好的分类性能。     

基于粗糙集融合最小二乘支持向量机的煤矿安全预警模型

针对煤矿安全影响因素多、各影响因素之间相互关联、样本信息采集困难等问题,分析了煤矿安全生产系统风险,从人员、设备、环境、管理四个方面构建了煤矿安全影响因素指标体系,基于粗糙集理论融合最小二乘支持向量机方法的提出了煤矿安全机预警模型,并以实测数据为例对该预警模型的计算结果进行了训练和检验。结果表明,粗糙集融合最小二乘支持向量机能够有效提高预警效率,反映各控制因素对煤矿安全的影响,计算结果与样本值拟合精度较高,对保障煤矿安全生产具有重要而现实的意义。     

基于数据挖掘的矿用提升机故障预警方法

针对采用传统的方法进行矿用提升机故障预警不仅计算量大而且准确性较低的缺陷,构建了基于数据挖掘的故障预警系统设计方法。首先利用训练集对支持向量机进行训练,寻找出支持向量机的最优参数,然后建立提升机状态与故障之间的联系,最后进行故障预警,仿真结果表明,该系统能够很好地进行矿用提升机的故障预警,具有较好的工程应用价值。     

基于小波-支持向量机的矿用通风机故障诊断

运用小波包频道能量分解技术提取了不同频带反映矿用通风机不同工作状态的特征向量,以此作为支持向量机多故障分类器的故障样本,经训练的分类器作为故障智能分类器可对通风机的工作状态进行自动识别和诊断.并以不对中故障为例,进行了实用验证.研究结果表明,支持向量机在小样本情况下仍能准确、有效地对通风机的工作状态和故障类型进行分类.     

基于支持向量机的煤岩图像特征抽取与分类识别

为了尽可能减少作业人员数目,研究了煤岩图像的自动识别技术,介绍了煤岩图像的识别基础、小波变换和支持向量机原理,分析了煤岩图像纹理在多尺度分解情况下的特点以及支持向量机的参数设置,利用煤岩图像基于灰度共生矩阵的纹理统计量角二阶矩、对比度、相关性、均值、方差构造纹理特征子向量P1,利用煤岩图像不同尺度分解下的角二阶矩、对比度、相关、均值、方差构造纹理特征子向量P2,利用不同尺度分解系数构造纹理特征子向量P3,结合3个特征子向量构造纹理特征向量,最后结合支持向量机对煤岩图像进行分类识别。对不同的特征抽取方式以及煤岩的不同分类进行了比较分析。结果表明：该特征抽取以及分类方法能有效的表达纹理信息,对煤岩的识别准确率达到了97.959 2%,与不使用小波的方法相比提高了7.01%。研究结果可为煤岩界面的自动识别提供依据。     

基于模糊-支持向量机的煤层底板突水危险性评价

提出将模糊理论中的隶属度与支持向量机相结合的模糊-支持向量机模型,用于对煤层底板突水危险性的评价。在对肥城煤层底板突水危险性评价指标体系分析的基础上,通过对肥城矿区10个地段的样本数据训练确定最优的模型参数,并对4个测试样本进行了突水危险性评价。实验表明：该模型能够减少样本数据处理的复杂性,较好地解决小样本、非线性问题,为煤层底板突水危险性的评价提供了一种新方法。     

电液控制系统关键传感器的故障预警方法研究

为了保证电液控制系统的正常运行,对电液控制系统核心传感器部件的故障预警是关键一环,分析了传感器在电液控制系统的工作原理,得到了传感器在系统中的故障规律,为了对井下的电液控制系统中的核心传感器的故障进行预警和诊断,结合目前比较流行的传感器故障预警方法,以液压支架的压力传感器为例,提出了一个静态分析与动态分析融合的诊断方法,其核心是通过对传感器采集的数据进行分析,能有效预测压力传感器故障,提高电液控制系统的可靠性。     

基于在线自适应极限学习机的矿山排土场滑坡预警模型

排土场滑坡是矿山的重大灾害之一,严重威胁着矿山的安全生产,矿山排土场受地质、人为、自然等多种因素的影响,采用单一指标难以准确和有效地预测滑坡变形趋势和安全稳定性,针对此问题本文提出了基于自适应极限学习机的矿山排土场滑坡预警模型。通过将岩土内摩擦角、坡角、坡高、容重、孔隙水压力系数和内聚力等指标作为输入单元,以稳定系数作为输出单元,对已有的数据进行训练和测试,应用效果表明该方法的理论计算结果与工程实际状况基本一致,具有良好的适应能力,对提高矿山排土场滑坡预警能力和准确性有着一定的借鉴意义。     

综采面液压支架故障诊断方法与技术

在综采工作面中,液压支架的作用十分显著,直接影响着整个综采流程及煤矿生产. 液压支架系统的故障有多种,影响因素不尽相同. 通过分析井下液压支架常见的故障、故障的类型及故障的原因,列出了多种故障诊断技术,并分析了其发展前景. 介绍适用于综采工作面液压支架的便携式隔爆矿用本安型泄漏故障检测仪, 通过现场试验, 该检测技术能准确判定支架泄漏故障的部位及其程度,有效提高支架可靠性并减少支架-围岩事故的发生率,提高效率和经济效益.     

基于扭转试验的液压支架试验主机有限元分析

采用ANSYS软件,针对液压支架作扭转试验工况,对主机进行静力有限元分析,得到试验主机在扭转试验工况下的等效应力分布情况和位移变形情况,以检验主机设计的合理性,为试验主机的优化设计提供了依据。     

基于支持向量机的煤炭储量精确算法

针对目前煤炭储量估计方法的局限性,提出了基于支持向量机的煤炭储量精确算法.通过已知钻孔数据采用支持向量回归方法构造区域煤厚与密度模型,根据点与多边形关系判别算法剔除区域外部点,由区域积分求和得到精确的煤炭储量.列举了2个不同类型煤矿的储量计算实例,分别构造了三维煤厚分布图,实例结果表明了方法的可靠性和优越性.