The energy of each node was regarded as eigenvector of diagnosis models and was input to LS-SVM multi-classifier to recognize failures using wavelet packet transforms. Finally, the validity of the above two methods were validated with corresponding experiment table.
本文首先详细分析了SVM的基本理论;然后提出了基于SVM和机电综合特征的发电机故障诊断方法,分别采集电流信号和振动信号共同作为诊断模型的特征值,得到了故障的典型特征提高了诊断的准确率;接着将SVM的改进算法——最小二乘支持向量机(LS-SVM)应用于滚动轴承故障诊断中,并采用小波包变换的方法提取各节点的能量特征向量输入到LS-SVM多类分类器中进行故障识别;最后分别在相应的实验台上验证了两种方法的有效性。
参考来源 - 支持向量机及其在故障诊断中的应用研究·2,447,543篇论文数据，部分数据来源于NoteExpress
应用推荐