本文關(guān)鍵詞：帶故障樣本的彈性雙閾值SVDD在線故障診斷算法及其應(yīng)用

  更多相關(guān)文章： 故障診斷 支持向量域描述 故障樣本 球邊界偏移判別 滑動窗

【摘要】：提出一種帶故障樣本的彈性雙閾值SVDD在線故障診斷算法,該算法從故障樣本使用、實時樣本劃分以及訓練樣本更新三個方面對傳統(tǒng)在線SVDD算法進行優(yōu)化。一是在SVDD訓練階段加入故障樣本,提高數(shù)據(jù)描述能力和診斷精度;二是提出球邊界偏移判別準則,形成可變的雙層邊界將超球空間分成三個區(qū)域,同時增大對故障樣本的敏感性,降低漏檢風險;三是引入滑動窗機制批量檢測更新樣本,減少計算量,并通過調(diào)節(jié)落入中間區(qū)域的樣本比例控制虛警率。對離心壓縮機喘振過程信號檢測的試驗結(jié)果表明,該算法能夠自適應(yīng)更新模型和閾值,并在極少虛警和漏檢的情況下實現(xiàn)壓縮機喘振故障的準確高效診斷。
【作者單位】： 火箭軍工程大學機電工程系;
【基金】：國家自然科學基金資助項目(61201449,51405498)
【分類號】：TH17
【正文快照】： 引言在機械故障診斷中,設(shè)備正常運行模式樣本多而故障運行模式樣本少。從模式識別角度來看,監(jiān)測機器運行狀態(tài)是一種少故障樣本情況下的異常檢測問題[1]。Tax等[2]提出的支持向量域描述(Sup-port Vector Domain Description,SVDD)是一種經(jīng)典的單值分類器,能有效解決故障診斷問

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 費成巍;白廣忱;;基于WCFSE-FSVM的轉(zhuǎn)子振動故障診斷方法[J];推進技術(shù);2013年09期

2 ;[J];;年期

，

本文編號：1268368