SVM模式识别技术及在机械故障诊断中的应用进展

支持向量机(Support Vector Machines,SVM)是一种基于统计学习理论的新型机器学习方法,对小样本决策具有较好的学习推广性。为在机械故障诊断中更好地运用该方法,从基于支持向量机理论的模式识别技术和机械故障诊断中应用两方面,综述了近年来支持向量机国内外研究应用现状,分析了技术特点、存在问题、解决方案及其在机械工程领域应用前景。

基于支持向量机的机械多故障智能分类方法研究

典型故障数据样本的严重不足是制约机械故障智能诊断技术发展的主要原因之一。提出了一种基于支持向量机的机械故障诊断新方法,综合了单值和多值支持向量机分类算法,在此基础上,建立了多故障分类器。采用该方法对转子实验台典型的多故障数据进行分类,结果表明:只需少量的时域数据样本来训练分类器,即可实现多故障的识别与诊断,克服了已有方法需要对原始数据进行预处理的困难,可更方便地应用于机械设备多分类故障诊断领域。

基于支持向量机的交流接触器吸持振动检测方法研究

采用支持向量机小样本条件下训练和分类,提出了一种基于支持向量机的交流接触器吸持振动测试方法。首先提取少量振动测试不合格的交流接触器底板处的振动时域信号,然后通过支持向量分类机对样本数据进行学习训练,建立虚拟振动测试分类机。试验结果表明,所提方法对后续接触器样本具有较好的分类识别能力。

支持向量回归机在冲压件弯曲回弹分析中的应用

冲压件的压弯过程不完全是塑性变形过程,其弯曲部分同时还存在着弹性变形.工程师在设计弯曲模时,必须考虑回弹的影响.对回弹量的分析,一般依靠经验公式结合后期模具的试制过程进行反复调整,往往会影响模具的交货日期.支持向量回归机(SVR)可用于小样本条件下的多目标数据回归分析,将其应用在冲压件的弯曲回弹分析中,可以简化分析过程并提高设计效率.经过实际工程验证,表明SVR可以用于弯曲回弹量的分析计算,有效提高模具的设计效率.

空调交流接触器电寿命试验的加速方法研究

分析了空调交流接触器电寿命试验的主要参数,提出了一种基于支持向量回归算法的交流接触器电寿命试验加速方法。工程试验表明:该方法可以有效缩短交流接触器的电寿命试验周期,保证产品及时供货。

基于SVM的旋转机械转子故障预示研究

支持向量机包括支持向量回归机和支持向量分类机。本文提出了一种用于旋转机械转子故障预示的方法,通过支持向量分类机(SVC)对旋转机械转子故障进行分类并建立故障分类器,利用支持向量回归机(SVR)对转子运行状态趋势进行预示,并将预示结果输入到SVC以判断预示结果的属性。对支持向量回归机进行了仿真研究。将支持向量机与神经网络算法从理论和实验研究两个方面进行了对比研究,结果表明,该方法具有较好的故障预示能力。

支持向量机及其在机械故障诊断中的应用研究

针对支持向量机分类算法中模型选择对分类精确性影响很大的问题,结合转子实验台模拟的典型旋转机械故障数据对影响多故障分类器分类性能的相关因素进行了研究。结果表明,在少量时域故障数据样本条件下,选用不同的核函数及核函数参数对多故障分类器的分类精度有一定影响,为实际工程应用中选择合适的支持向量机核函数类型及其参数提供一定的帮助。