机电设备故障诊断和趋势预测的支持向量机方法  

The Machinery Fault Diagnosis and Prediction Based on Support Vector Machines

作　　者：王红军[1] 徐小力[2] 

机构地区：[1]北京理工大学机械与车辆工程学院,北京100081 [2]北京信息科技大学机械工程系,北京100085

出　　处：《计算机工程与应用》2005年第16期207-209,共3页Computer Engineering and Applications

基　　金：国家自然科学基金资助项目(编号:50375017);北京市自然基金资助项目(编号:3042006);北京市重点实验室开放项目(编号:030314)

摘　　要：分析了支持向量机(Support Vector Machine-SVM)的分类和回归算法。对近年来SVM在设备故障诊断和趋势预测方面的应用进行了回顾,给出了SVM用于设备状态趋势预测的模型和算法。采用AR(Auto Regressive)模型和SVM模型进行实验台的振动烈度的预测,表明SVM模型具有长区间预测精度高的特点。讨论了SVM在设备故障诊断和趋势预测研究的发展前景。The paper analyzes the theory of support vector machines-SVM and discusses the algorithms of SVM classification and regression.After overviewed the SVM application research on machinery fault diagnosis and prediction recently,it discusses the merits and deficiencies of SVM and the points out the bright application research on machinery fault diagnosis and prediction.It presents the SVM model for machine condition trend prediction.It is proved that SVM model has good predict ability for long time period by comparing the AR model and SVM model for a test system vibration signal.

关 键 词：设备故障诊断 故障趋势预示 支持向量机 

分 类 号：TH17[机械工程—机械制造及自动化]