新闻资讯

联系方式

新乡市金成机械制造有限公司
联系人:吕经理

电 话:  0373-3878302 0373-3878301
手 机:  15237399909
Email:1092327062@qq.com
地  址:河南省新乡市

当前位置: 金成首页 > 新闻资讯 > 公司动态
公司动态

一种支持向量机的矿井提升机故障诊断方法

  介绍了几种传统的支持向量机(SVM)多分类方法,分析了所存在的问题及缺点。提出了一种基于SVM矿井提升机故障诊断方法。该方法具有简单、直观和训练样本少等特点。通过将其应用于提升机运行状态的故障诊断,结果表明,采用该方法比传统多类SVM方法和BP神经网络具有更高的诊断正确率。 

 在故障诊断领域中,当今所面临的主要难题之一是故障特征知识的发现问题,其中对故障模式进行分类则是诊断过程的核心所在。目前常规的故障诊断方法大都依赖于大样本情况下的统计特性,当训练样本有限时,难以保证有较好的分类推广性。而统计学习理论(Statistical Learning Theoiy} SLT)和支持向量机(Support Vector Machines SVM)的诞生为矿井提升机这一问题的解决开辟了新的途径。统计学习理论是建立在结构风险更小化的原则基础上,它是专门针对小样本情况下机器学习问题建立的一套新的理论体系,在这种体系下的统计推理,不是要得到样本数趋于无穷大时的优解,而是追求在现有有限样本的情况下的优解,是兼顾到经验风险和置信范围的一种折衷的思想。支持向量机就是在统计学习理论这一基础上发展起来的一种新的机器学习算法,它是SLT理论的具体应用。  

  本文提出一种基于支持向量机的多分类方法,并对提升机系统进行故障诊断,与BP神经网络和传统的多类支持向量机算法做了对比,实验证明,该方法对具有小样本的矿井提升机故障诊断有很好的分类能力和很好的适应性和计算效率。

分享到:
点击次数:  更新时间:2020-05-25 10:21:47  【打印此页】  【关闭
上一条:没有了  下一条:液压提升机高低压保护功能