《基于PCA与SVM的振动传感器故障诊断方法》PDF+DOC
作者:李翼飞,吴春平,涂煊
单位:中国仪器仪表学会;上海工业自动化仪表研究院
出版:《自动化仪表》2019年第10期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFZDYB2019100110
DOC编号:DOCZDYB2019100119
下载格式:PDF + Word/doc 文字可复制、可编辑
《PCA特征抽取与SVM多类分类在传感器故障诊断中的应用》PDF+DOC2010年第01期 彭红星,陈祥光,徐巍
《基于SVM和DS证据理论的多传感器信息融合故障诊断》PDF+DOC2015年第04期 张宁波
《基于SVM的多传感器信息融合故障诊断》PDF+DOC2014年第09期 张宁波
《SVR在传感器故障诊断中的仿真研究》PDF+DOC2004年第06期 翟永杰,尚雪莲,韩璞,王东风
《一种基于支持向量机的结构损伤识别方法》PDF+DOC2013年第01期 周绮凤,宁永鹏,周青青,杨帆,雷家艳
《基于PCA和SDG的传感器故障诊断方法研究及应用》PDF+DOC2011年第03期 高东,吴重光,张贝克,马昕
《基于小波包PCA的故障传感器数据重构方法》PDF+DOC2008年第14期 徐涛
《PCA在火箭发动机试车台传感器故障诊断中的应用》PDF+DOC2006年第06期 徐涛,王祁
《小波和多核SVM方法在UVA传感器故障诊断的应用》PDF+DOC2014年第01期 叶慧,罗秋凤,李勇
《基于PCA和信息融合理论的传感器故障诊断》PDF+DOC2013年第08期 赵乃卓,伍江超
为加快振动传感器故障诊断速度、提高诊断的准确率,提出了基于支持向量机(SVM)和主元分析法(PCA)特征信息提取相结合的故障诊断方法。首先进行诊断方法的调查,将振动传感器输出的时序电信号通过小波包分解得到频域领域的原始数据;然后经过PCA的特征信息提取得到原始数据的特征向量,加强振动传感器工作状态的可分性;最后进行二叉树与SVM结合的多分类算法,实现振动传感器运行故障的诊断。为提高分类速度,引入最小二支持向量机(LS_SVM)算法,并应用到多分类器中。仿真试验表明,改进后的方法提高了诊断准确率、加快了故障分类速度,优于单一方法进行故障诊断的情况,为其他种类传感器(如温度、瓦斯等)的故障诊断提供了参考。对传感器故障诊断方法的研究,为传感器的正常运行提供了保证,降低了因传感器故障而造成应用设备的损失。
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。