支持向量机及其在机械故障诊断中的应用研究  

Support Vector Machine and Its Ications Research in Machine Fault Diagnosis

作　　者：王长林[1] 秦启茂[1] 宋宜梅[1] 

机构地区：[1]桂林电子科技大学机电工程学院,桂林541004

出　　处：《世界科技研究与发展》2009年第6期1101-1103,共3页World Sci-Tech R&D

基　　金：国家自然科学基金资助项目(50805028);广西自然科学青年基金资助项目(0832082);广西制造系统与先进制造技术重点实验室主任课题(0842006_023_Z;07109008-012Z)

摘　　要：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。Aiming at the difficulty that Support vector machine （ SVM ） model selection of classification algorithm affect Classification accuracy. It research relevant factors that influence the precision of fault classifiers based on the typical fault data samples obtained by rotor experimental table. The results show that different SVM classifiers,in which different kernel functions and different kernel functions parameters are adopted ,will influence the precision of fault classifiers in conditions that fault data samples is small. It can be conveniently applied to choose appropriate kernel functions and kernel functions parameters in the practical aeugineering pplication.

关 键 词：支持向量机 机械故障诊断 多故障分类器 

分 类 号：TH165.3[机械工程—机械制造及自动化] TP18[自动化与计算机技术—控制理论与控制工程]