《基于最小二乘支持向量机的振动传感器故障诊断》PDF+DOC
作者:高杨,史丽萍,吴旭东,张增生,温泉
单位:中国机械工业联合会科技工作部;机械与电子杂志社
出版:《机械与电子》2009年第05期
页数:3页 (PDF与DOC格式可能不同)
PDF编号:PDFJXYD2009050100
DOC编号:DOCJXYD2009050109
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于渔夫捕鱼-最小二乘支持向量机的传感器节点定位的研究》PDF+DOC2016年第10期 谢洪,王大溪
《基于支持向量机的跌倒检测算法研究》PDF+DOC2017年第01期 裴利然,姜萍萍,颜国正
《光纤光栅电压传感器非线性校正研究》PDF+DOC2018年第11期 张开玉,李燕秋,卢迪
《基于SVM预测器的传感器故障诊断与信号恢复研究》PDF+DOC2005年第02期 刘东,葛运建
《航空发动机传感器故障诊断》PDF+DOC2012年第02期 郑秋红
《压铸机合模力传感器非线性动态补偿的研究》PDF+DOC2012年第04期 彭继慎,张浩,常勇
《基于LS-SVM的飞控系统传感器故障诊断》PDF+DOC2011年第03期 胡良谋,曹克强,苏新兵,李小刚
《基于最小二乘支持向量机的传感器动态补偿方法》PDF+DOC2007年第04期 吴德会,杨世元,董华
《基于LS_SVM与PCA的小型无人机传感器故障诊断》PDF+DOC2014年第07期 高云红,赵丁,李一波
《基于粒子群优化结合最小二乘支持向量机的气体传感器建模》PDF+DOC2013年第S1期 杜康,许军,张耀辉,魏子杰
针对目前机械故障诊断中,难以获得大量的故障数据样本以及诊断知识获取困难等不足,提出了专门针对有限样本的新一代机器学习的算法——最小二乘支持向量机(LS-SVM),它能够得到现有信息下,不仅是样本数趋于无穷大时的最优解,因此,在样本很少的情况下具有较好的泛化能力,比较适合解决故障诊断小样本情况的实际问题。本文介绍了LS-SVM的基本原理和分类方法,并利用其对振动传感器的常见故障进行诊断,结果表明了LS-SVM对设备故障具有良好的分类效果。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。