电机故障检测支持向量机的优化

为了提高支持向量机在故障检测中的识别率,需要对其环节和方法进行优化。支持向量机是统计学理论中研究小样本情况下机器学习规律的新理论,其优点是模式分类。隐马尔科夫是马尔科夫链的扩展,是一个双重随机过程。隐马尔科夫具有适合处理连续动态信号的优点,二者的结合可使以前的支持向量机更加完善。小波变换是一种新兴的时频分析方法,其特有的尺度伸缩功能使其具备了很强的奇异、突变信号鉴别能力,能有效地检测到非平稳信号的瞬时、奇异成分,并显示其时域的产生和持续时间。在提取故障信号时,通过小波分析方法从信号中有效提取非平稳特征,训练模型,再用此模型诊断。试验表明,优化后的方法可以明显提高识别率。