本文關(guān)鍵詞：基于多分類(lèi)相關(guān)向量機(jī)的水電機(jī)組振動(dòng)故障診斷，由筆耕文化傳播整理發(fā)布。

第34 卷 第17 期 中 國(guó) 電 機(jī) 工 程 學(xué) 報(bào) Vol.34 No.17 Jun.15, 2014 2014 年6 月15 日 Proceedings of the CSEE ?2014 Chin.Soc.for Elec.Eng. 2843 DOI ：10.13334/j.0258-8013.pcsee.2014.17.013 文章編號(hào)：0258-8013 2014 17-2843-08 中圖分類(lèi)號(hào)：TP 18 ；TM 311 基于多分類(lèi)相關(guān)向量機(jī)的水電機(jī)組振動(dòng)故障診斷 1 1 1 2 1 易輝 ，梅磊 ，李麗娟 ，劉宇芳 ，袁宇浩 1．南京工業(yè)大學(xué)自動(dòng)化與電氣工程學(xué)院，江蘇省 南京市 211816 ； 2．國(guó)電環(huán)境保護(hù)研究院，江蘇省 南京市 210031 Vibration Fault Diagnosis for Hydroelectric Generating Units Using the Multi-class Relevance Vector Machine 1 1 1 2 1 YI Hui , MEI Lei , LI Lijuan , LIU Yufang , YUAN Yuhao 1. College of Automation and Electronic Engineering，Nanjing University of Technology, Nanjing 211816, Jiangsu Province, China; 2. Guodian Institute of Environmental Protection, Nanjing 210031, Jiangsu Province, China ABSTRACT: The functions between vibrating fault symptoms 性關(guān)系，傳統(tǒng)方法難以描述。當(dāng)前研究常采用模式識(shí)別方法， and their causes for hydroelectric generating units are 如支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等實(shí)現(xiàn)振動(dòng)故障診斷。該文在現(xiàn)有 nonlinear, and are hard to be described by conventional 研究基礎(chǔ)上，引進(jìn)相關(guān)向量機(jī) relevance vector machine ， approaches. One usual method for the vibrating fault diagnosis RVM 對(duì)診斷過(guò)程進(jìn)行改進(jìn)。相比傳統(tǒng)方法，該文所提方法 is to use the pattern recognition approaches like the support 在學(xué)習(xí)過(guò)程中參數(shù)設(shè)置簡(jiǎn)單，，在輸出結(jié)果時(shí)給出了分類(lèi)的可 vector machine and neural networks. Following the current 靠性，適合實(shí)際工程應(yīng)用。同時(shí)，該方法在決策過(guò)程中，能 work, we proposed the Relevance Vector Machine RVM 夠根據(jù)訓(xùn)練數(shù)據(jù)分布情況，自動(dòng)選取決策結(jié)構(gòu)，進(jìn)一步提高 based approach to optim

  本文關(guān)鍵詞：基于多分類(lèi)相關(guān)向量機(jī)的水電機(jī)組振動(dòng)故障診斷，由筆耕文化傳播整理發(fā)布。