摘要
针对机械故障诊断中存在的小样本、模糊、不确定性特征数据等问题,将改进三角模糊理论与支持向量分类机(SVM)方法相结合,提出一种Fv-SVM模型,给出相应的机械故障诊断方法.最后进行了复杂设备故障诊断的实例分析,结果表明基于Fv-SVM的机械故障诊断方法是有效和可行的.
Aiming at the problems of small samples and uncertainty data in mechanical fault diagnoses, improved triangular fuzzy theory is combined with support vector classifier machine, and a kind of fuzzy support vector classifier machine named Fv-SVM is proposed. And then, a mechanical fault diagnoses method are put forward. The results of application in complex equipment show that the fault diagnoses method based on Fv-SVM is feasible and effective.
出处
《系统工程理论与实践》
EI
CSSCI
CSCD
北大核心
2010年第7期1266-1271,共6页
Systems Engineering-Theory & Practice
基金
国家自然科学基金(60904043)
中国博士后科学基金(20090451152)
江苏省博士后科研资助计划项目(0901023C)
上海市教育发展基金会晨光计划(2008CG55)
东南大学博士后重点科研A类资助
关键词
机械故障诊断
支持向量分类机
三角模糊数
粒子群
mechanical fault diagnoses
support vector classifier machine
triangular fuzzy number
particle swarm optimization