期刊文献+

基于支持向量机的汽轮机组故障诊断

下载PDF
导出
摘要 汽轮机组在生产设备中有着广泛的应用,但其故障频发,对其故障诊断的研究一直是科研工作者的重点方向之一。在MATLAB开发环境下,基于支持向量机算法为核心,利用常见故障的振动特性,构建了一种分类故障诊断模型,并对常见故障进行了诊断,结果表明:该故障诊断方法能够对汽轮机故障进行有效诊断和预测,为汽轮机故障诊断提供理论依据,有着重要的现实的意义。
作者 李金水
出处 《内燃机与配件》 2019年第20期173-175,共3页 Internal Combustion Engine & Parts
  • 相关文献

参考文献3

二级参考文献23

  • 1何青,杜冬梅,李红.汽轮发电机组远程智能故障诊断系统[J].热能动力工程,2006,21(5):532-535. 被引量:6
  • 2牛培峰,张君.小波分析技术在汽轮机故障诊断中的应用[J].动力工程,2007,27(1):76-80. 被引量:21
  • 3杨奎河,单甘霖,赵玲玲.基于最小二乘支持向量机的汽轮机故障诊断[J].控制与决策,2007,22(7):778-782. 被引量:25
  • 4Suykens J A K,Vandewalle J. Least Squares Support Vector Machines classifiers[J].Neural Processing Letters,1999,(03):293-300.doi:10.1023/A:1018628609742.
  • 5Vapnik V. The nature of statistical leaming theory[M].New York:springer-verlag,1995.
  • 6Suykens J A K,De Brabanter J,Lukas L. Weighted Least Squares Support Vector Machines:Robustness and Sparse Approximation[J].Neurocomputing,2002,(1-4):85-105.doi:10.1016/S0925-2312(01)00644-0.
  • 7Chapelle O,vapnik V,Bousquet O. Choosing Mmultiple Parameters for Support Vector Machines[J].Machine Learning,2002.131-159.
  • 8唐桂忠;张广明;巩建鸣.基于核主元分析和最小二乘支持向量机的汽轮机通流部分故障预测方法[A],2008406-410.
  • 9SU H S,DANG J W. Composite neural networks applied for identifying steam turbine vibration fault based on improved PSO[J].Wseas Transactions on Circuits and Systems,2010,(05):617-624.
  • 10ESLAM P,SIAVASH R. Application of genetic algorithm-support vector machine (GA-SVM) for prediction of k-channel activity[J].European Journal of Medicinal Chemistry,2009,(12):5023-5028.

共引文献28

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部