基于支持向量机的综合传动装置磨损状态研究

结合光谱油液分析技术,运用支持向量机对某履带车辆综合传动装置磨损状态进行研究。建立了一种多输出最小二乘支持向量回归算法,并将其应用到综合传动装置的光谱油液分析数据的预测研究中。采用交叉验证方法,讨论了回归算法中参数的选取问题,并将磨损元素预测值与试验值进行了对比分析。结果表明,该方法在较短里程(4000km以内)具有较高的准确率,可以用于综合传动装置磨损状态的预测研究。     

基于支持向量机的异步电机故障诊断系统

电机故障将造成巨大的经济损失,甚至于人身安全.一个准确的故障诊断系统能够最大程度地降低风险,有利于生产、生活的正常进行.阐述了支持向量机(SVM)及最小二乘支持向量机(LS-SVM)算法的原理,研究了基于LS-SVM的异步电动机故障诊断,比较了正常状况与3类故障的不同,并对3类故障进行了自动分类,测试了分类结果.实验表明,基于SVM的异步电机故障诊断可靠性好,实用性强,验证了SVM的优越性.     

基于支持向量机的离心泵故障诊断方法研究

简要论述了支持向量机的原理，介绍了几种支持向量机的多类分类算法，最后将它们应用于离心泵的故障诊断进行比较，获得了令人满意的效果。     

基于支持向量机的变电设备状态检修方法

文章提出一种基于支持向量机的变电设备状态检修方案。首先,通过数据采集和预处理步骤获取一定数量的已知状态的样本数据。其次,应用支持向量机模型进行特征提取和状态分类,以快速诊断变电设备的状态问题。在模型构建过程中,选取适合的核函数,并通过参数优化方法对模型的准确性和泛化能力进行提升。实验结果表明,该方法在变电设备状态检修方面具有良好的效果,能够准确划分不同状态,并为相关检修工作提供科学、准确的决策依据。     

基于支持向量机的彩色图像人脸检测

本文提出了一种彩色图像中的人脸检测方法,该方法先通过综合定位皮肤区域的一维Haar小波变换和幅度投影来进行特征判别分析(DFA),然后再利用支持向量机(SVM)分类器和贝叶斯统计分析法来区分人脸和非人脸.实验结果表明,该算法鲁棒性强,正确检测率高.     

基于综合型模糊支持向量机的故障诊断方法及应用

设备信息和故障的不确定性、模糊性及故障样本的缺乏给故障诊断带来了较大的困难.针对该问题,分析了现有模糊支持向量机的原理和优缺点,提出了一种综合型模糊支持向量机.该模糊支持向量机既可以处理样本含有模糊信息的情况,又可以解决支持向量机分类中存在的不可分问题.然后,提出了基于综合型模糊支持向量机的故障诊断方法,并在某电路系统故障诊断中开展了应用研究.应用结果表明,该诊断方法在设备状态存在模糊性和故障样本较少的情况下,与现有模糊支持向量机诊断方法相比,实现了较准确的故障诊断.     

基于最小二乘支持向量机逆系统方法应用研究

针对流浆箱的内部机理模型,提出了一种基于最小二乘支持向量机逆系统的解耦控制方法。利用最小二乘支持向量机辨识得到流浆箱系统的逆模型,并采用逆系统思想,将流浆箱非线性系统解耦成多个相互独立的单入单出伪线性子系统。采用MATLAB对该解耦控制方法的有效性进行仿真验证,结果表明,该控制方法抗干扰性强,结构简单,工程上易于实现。     

基于LDA和支持向量机的微铣刀磨损状态识别研究

为提高微铣刀磨损在线监测的识别精度,尝试通过线性判别分析法（Linear Discriminant Analysis,LDA）对微铣削振动信号的时域和频域特征进行降维。然后将降维后的特征输入到改进型蚁群优化SVM模型,从而实现微铣刀磨损的特征分类。其中,改进型蚁群优化算法主要用来优化SVM模型核函数的两个关键参数,避免由于初始参数选择不合适而带来的局部最优和过拟合的问题。实验结果表明,提出的微铣刀状态识别方法能够准确识别微铣刀的各种磨损状态,对微铣刀磨损的其它状态识别方法具有一定的指导意义和借鉴价值。     

基于支持向量回归机的切削力预测

针对神经网络方法在切削力预测方面存在的缺陷,提出了一种新的基于支持向量回归机的切削力智能预测方法。分析了以往切削力预测模型中输入参数和输出参数的选择问题,在此基础上选择轴向切深、进给量、主轴转速和曲面半径四个关键指标作为预测模型的输入,选择XY平面上的切削力合力和轴向切削力作为预测模型的输出,进一步建立了基于支持向量回归机的切削力预测模型。仿真实例的预测结果表明,建立的智能切削力预测模型合理有效。     

基于支持向量机的齿轮故障诊断方法

对齿轮故障诊断的特点进行了阐述，指出由于环境噪声的干扰，在齿轮故障诊断中往往不能获得理想的诊断结果。为此在对齿轮运行状况进行有效特征提取的基础上，采用支持向量机的方法对齿轮进行故障诊断。研究结果表明采用该方法可以获得比神经网络和线性判别方法等更准确的诊断结果。     

基于支持向量机的机械活塞疲劳信号检测方法

为避免机械活塞工作疲劳导致设备出现故障的问题,提出基于支持向量机的机械活塞疲劳信号检测方法。首先对机械活塞结构及工作原理进行分析,了解机械负载状态下活塞产生疲劳信号的原因,获取与疲劳信号相关的参数;然后将这些参数代入活塞理论损伤模型中,建立描述疲劳信号释放过程的疲劳损伤模型;最后在模型拟合端结合支持向量机,对疲劳信号进行分类,实现机械活塞疲劳信号的精准检测。试验结果表明,所提方法检测效率高、检测率高,具有一定应用价值。     

一种基于EMD与多特征支持向量机(SVM)故障诊断方法

针对齿轮箱故障振动信号的不平稳非线性冲击行为,本文提出了一种基于经验模态分解的特征值提取及多特征支持向量机的智能诊断方法。在电机频率分别取30 Hz、35 Hz、40 Hz;载荷分别取0 N∙M、15 N∙M、30 N∙M;采样频率为1500 Hz条件下,进行齿轮正常状态、齿面磨损和齿轮裂痕故障模拟实验。试验结果表明:该创新方法在有限样本数据分析中可以准确、有效地对齿轮箱的工作状态和故障类型进行分类,且支持向量机在故障诊断中使用方便,可以提高诊断的精确性,在齿轮箱故障诊断或类似振动信号的检测应用中具有很强的实用性。     

基于支持向量机的车用燃料电池系统故障诊断

为了提高车用燃料电池系统的安全可靠性和可维护性,考虑到其大量完整的故障样本难以获取,提出了一种基于二叉树多分类器的支持向量机故障诊断方法.首先,以自主研发的60 kW车用燃料电池系统为研究对象,分析了其故障机理和特征;然后,融合15种故障征兆参数并进行归一化预处理作为支持向量机的输入,以14种典型故障作为输出,选取径向基核函数并利用粒子群优化算法对支持向量机的惩罚参数和核函数参数进行优化,利用310组样本数据对其进行训练,通过90组测试样本测试实现了其典型故障的识别;最后,将支持向量机和神经网络分别在不同训练样本数下的故障诊断性能进行了对比.仿真结果表明,支持向量机具有较好的故障正判率和泛化能力,可有效用于车用燃料电池系统的多故障诊断.     

结构可靠性分析的支持向量机分类迭代算法

针对结构隐式极限状态函数的可靠性分析，提出了一种支持向量机分类迭代算法。该算法以分类支持向量机来替代隐式极限状态方程，通过构造合理的迭代格式，使得分类支持向量机在对失效概率贡献大的区域收敛于真实的极限状态方程，从而提高了可靠性分析的精度。给出了所提算法的详细步骤，并且用多个算例验证了所提算法的可行性及效率。     

基于支持向量机的机器人多指手预抓取模式分类

机器人多指手的抓持分类是抓持规划的一个主要问题。提出了一种基于支持向量机和二叉树聚类的分类方法来实现机器人多指手的抓持模式分类。根据多指手预抓取物体的几何特征，对机器人多指手的预抓取模式进行识别与分类，仿真结果表明该方法能快速而有效地实现机器人多指手的抓取模式分类。     

基于改进支持向量机的风机性能在线监测平台研究

风机性能实时监测对电厂安全、经济运行具有重要意义,而对风机流量的准确实时监测是风机性能在线监测的关键。针对现场缺乏大管径流量准确测量手段的现状,本文采用风机无因次性能曲线中性能参数之间稳定的映射规律,并通过不同智能算法建立了风机全程流量测量模型,结果发现改进的支持向量机模型拟合精度更高,效果更好。最后,在改进支持向量机模型基础上,采用Visual Basic语言与Matlab混合编程方法,建立了风机性能在线监测平台,实现了对风机实际工况下的流量、性能的实时监测。     

基于模糊支持向量机的产品设计时间估计方法

针对产品设计时间估计中存在的小样本、不确定性数据等问题，将模糊回归理论与支持向量机方法相结合，提出一种Fv-SVM模型，给出相应的设计时间智能估计方法和参数优选算法。进行了注塑模具设计的实例分析，结果表明基于Fv-SVM的时间估计方法是有效和可行的。     

基于SVM的航空发动机滚动轴承故障诊断技术研究

滚动轴承是航空发动机中应用非常广泛的一种通用机械部件,本文提出了基于支持向量机的航空发动机轴承故障诊断模型,并且通过实证研究,证明了该方法在航空发动机故障诊断的优越性。     

基于熵带法与PSO优化的SVM转子故障诊断

对转子故障信号的信息熵带作为支持向量机(support vector machine,简称SVM)的训练样本,基于粒子群算法(particle swarm optimization,简称PSO)优化SVM分类器结构参数进行了研究.对试验模拟获得的故障信号进行了时域、频域、时-频域的信息熵带计算,得到了奇异值谱熵、功率谱熵、小波空间谱熵及小波能谱熵4种熵带,并对熵带进行预处理,建立了一种基于故障信号的信息熵带作为特征量,用PSO解决SVM结构参数优化设置的转子故障识别方法.将该方法应用于转子系统在线故障诊断中,结果表明,所设计的算法具有训练速度快,测试时间短、分类准确率高等特点.