APP下载

基于奇异值分解和支持向量机的故障诊断方法研究

2015-08-22刘吕亮

常熟理工学院学报 2015年2期
关键词:故障诊断分类特征

刘吕亮,徐 斌,2

(1.常德职业技术学院 汽车工程系,湖南 常德 415000;2.北京工业大学 机械与应用电子学院,北京 100124)

基于奇异值分解和支持向量机的故障诊断方法研究

刘吕亮1,徐斌1,2

(1.常德职业技术学院 汽车工程系,湖南 常德 415000;
2.北京工业大学 机械与应用电子学院,北京 100124)

针对设备故障信号的微弱和噪声干扰严重问题,提出了基于奇异值分解和支持向量机的故障诊断方法.利用聚类分析的方法预处理设备的状态信号,剔除信号的异常点,以提高信号的准确性.对预处理后的信号进行构造矩阵和奇异值分解,选择恰当的窗口长度,以奇异值作为信号特征.支持向量机对信号特征进行识别和分类,为了避免支持向量机在多状态分类中输出的不确定性,记录支持向量机的训练输出作为决策表.支持向量机测试时的输出与决策表比对,以提高诊断结果的可靠性.最后,通过对比试验验证了基于奇异值分解和支持向量机的方法可以对设备进行可靠、准确、快速的故障诊断.

故障诊断;奇异值分解;支持向量机;聚类

随着机械设备集成化、自动化程度的提高,设备故障带来的危害越来越大,对其可靠性与安全性的要求越来越高.实现机械设备的早期故障诊断可避免因事故造成的巨大损失,使企业取得良好的经济效益与社会效益.

设备故障诊断首先要采集和分析设备的运行状态信号,从中提取特征信息作为与对应故障相关的征兆[1].在多数情……

登录APP查看全文

猜你喜欢

故障诊断分类特征
分类算一算
如何表达“特征”
不忠诚的四个特征
教你一招:数的分类
基于LCD和排列熵的滚动轴承故障诊断
基于WPD-HHT的滚动轴承故障诊断
线性代数的应用特征
高速泵的故障诊断