支持向量機在設(shè)備故障診斷中的應(yīng)用研究.pdf_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、統(tǒng)計學習理論是專門研究小樣本情況下機器學習的理論,其核心思想是通過控制學習機器的復雜度來控制學習機器的推廣能力。在統(tǒng)計學習理論上發(fā)展起來的支持向量機表現(xiàn)出優(yōu)秀的學習性能。本文從支持向量機理論、方法和應(yīng)用相結(jié)合的角度出發(fā),研究了支持向量機分類和回歸在設(shè)備故障診斷中的應(yīng)用,本文的主要工作包括以下內(nèi)容: 一、支持向量機分類包括二值分類、一類分類,本文對這兩種方法在故障診斷中的應(yīng)用進行了研究。首先,從軸承的時域信號中通過主成份分析提取特

2、征參數(shù),然后在二值分類下選擇不同的核函數(shù)構(gòu)造判別函數(shù)對軸承故障進行檢測,并比較了在不同核函數(shù)下支持向量機的分類性能。其次,應(yīng)用一類分類方法對軸承的異常值進行檢測;利用基于一類分類的多值分類方法來對軸承的故障類型進行識別,基于一類分類的方法在保持準確率的情況下,能極大的減小運算時間。 二、針對有些問題,新樣本所提供的信息量與歷史樣本所提供的信息量是不同的,給出一種新息加權(quán)的支持向量機的增量學習算法,通過循環(huán)來獲得最優(yōu)分類面,仿真實

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論