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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、目前一些常用的故障診斷方法都是以大樣本數(shù)據(jù)為基礎(chǔ)的,但通常在實(shí)際工程中得到的故障一般都是小樣本數(shù)據(jù),使其應(yīng)用受到了一定的限制。統(tǒng)計(jì)學(xué)習(xí)理論(StatisticalLearningTheory或SLT)是一種專門研究小樣本情況下機(jī)器學(xué)習(xí)規(guī)律的理論,它具有完備的理論基礎(chǔ)。尤其是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的支持向量機(jī)(SupportVectorMachine或SVM),由于它具有許多優(yōu)越的性能,所以近年來受到了廣泛的重視。目前已成功應(yīng)用于人臉識(shí)
2、別、手寫體數(shù)字識(shí)別、圖像檢索等許多領(lǐng)域。本文針對(duì)SVM在機(jī)械故障診斷中的應(yīng)用等相關(guān)問題展開研究,主要做了以下幾方面的工作: 1、分析研究了SVM算法的可靠性及在機(jī)械故障診斷應(yīng)用中的可行性。 2、深入探討了SVM中重要參數(shù)的選取原則。 在SVM中核函數(shù)類型的選擇、核函數(shù)參數(shù)的選擇以及懲罰函數(shù)C優(yōu)化選擇是非常重要的一個(gè)問題,但直到目前一直都沒有科學(xué)的優(yōu)化方法。本文提出了在實(shí)驗(yàn)的基礎(chǔ)上去一步步地進(jìn)行優(yōu)化來確定一些重要參
3、數(shù),通過數(shù)據(jù)驗(yàn)證表明這種方法是完全可取的。 3、系統(tǒng)研究了SVM的分類算法,建立了基于SVM的小樣本故障診斷模型。 以武漢科技大學(xué)齒輪故障實(shí)驗(yàn)臺(tái)為研究背景,分別采集了多種類型的齒輪故障信號(hào),根據(jù)SVM分類算法對(duì)齒輪進(jìn)行故障分類,結(jié)果表明這種方法是完全可行的。 4、對(duì)SVM分類算法進(jìn)行不斷改進(jìn),建立了多故障智能分類器。 鑒于實(shí)際工程中不可能只有一種故障類型的現(xiàn)實(shí),對(duì)SVM分類算法進(jìn)行了改進(jìn),從而實(shí)現(xiàn)了多故障
4、的智能分類,這極大的拓展了SVM在機(jī)械故障領(lǐng)域的應(yīng)用。 5、分析研究了SVM的回歸算法并對(duì)某軋機(jī)的振動(dòng)烈度峰值進(jìn)行了成功預(yù)測。 本文對(duì)SVM的回歸算法(即SVR算法)進(jìn)行了系統(tǒng)地研究,不僅研究了具體的回歸算法,而且通過可視化的編程使結(jié)果以圖表的形式清晰的顯示出來。便于以后安裝在在線監(jiān)測系統(tǒng)中,使其發(fā)揮更大的作用。在此算法的應(yīng)用研究中分別對(duì)Lorenz時(shí)間序列和某軋機(jī)的振動(dòng)烈度峰值進(jìn)行了成功預(yù)測。該項(xiàng)研究為機(jī)械設(shè)備故障的智
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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機(jī)的故障診斷
- 基于支持向量機(jī)的故障診斷研究.pdf
- 基于支持向量機(jī)的故障診斷方法.pdf
- 基于支持向量機(jī)的電網(wǎng)故障診斷研究.pdf
- 基于支持向量機(jī)的小樣本事件預(yù)測.pdf
- 基于支持向量機(jī)的模擬電路故障診斷研究.pdf
- 基于支持向量機(jī)的變壓器故障診斷.pdf
- 基于支持向量機(jī)集成的故障診斷方法研究.pdf
- 基于支持向量機(jī)的智能故障診斷技術(shù)研究.pdf
- 基于支持向量機(jī)的模擬電路故障診斷方法研究.pdf
- 基于支持向量機(jī)的故障診斷及應(yīng)用研究.pdf
- 基于支持向量機(jī)的煙氣輪機(jī)故障診斷研究.pdf
- 基于支持向量機(jī)的核電設(shè)備故障診斷方法研究.pdf
- 基于支持向量機(jī)的流程工業(yè)故障診斷方法研究.pdf
- 基于PCA的小樣本與微小故障診斷方法研究.pdf
- 基于支持向量機(jī)的離心壓縮機(jī)振動(dòng)故障診斷研究.pdf
- 基于支持向量機(jī)的水電機(jī)組故障診斷研究.pdf
- 基于支持向量機(jī)的核動(dòng)力裝置故障診斷.pdf
- 基于EMD與支持向量機(jī)的轉(zhuǎn)子故障診斷方法研究.pdf
- 多元支持向量機(jī)在故障診斷中的應(yīng)用
評(píng)論
0/150
提交評(píng)論