Fault Diagnosis of Engine Based on Support Vector Machine

唐浩; 屈梁生

您当前的位置：

首页 >

文章列表页 >

Fault Diagnosis of Engine Based on Support Vector Machine

更新时间：2025-12-08

- Fault Diagnosis of Engine Based on Support Vector Machine
- Vol. 41, Issue 9, Pages: 1124-1126(2007)
- 作者机构：
  
  西安交通大学机械工程学院,西安,710049
- 作者简介：
- 基金信息：
- DOI：
  CLC： TB533
- Online First：10 September 2007，
  
  Published：2007
- 稿件说明：
移动端阅览
唐浩, 屈梁生. Fault Diagnosis of Engine Based on Support Vector Machine[J]. 2007, 41(9): 1124-1126.
DOI：

唐浩, 屈梁生. Fault Diagnosis of Engine Based on Support Vector Machine[J]. 2007, 41(9): 1124-1126. DOI：

摘要

针对发动机的故障特点

提出了一种基于主分量分析和支持向量机的发动机故障诊断方法.利用小波包对声级计采集到的解放CA141型汽车发动机声音信号进行特征提取

应用主分量分析方法在不损失有效信息的情况下

将原始特征向量中的冗余信息约简

在此基础上通过支持向量机对发动机故障进行分类.诊断结果表明

该方法在保证较高诊断精度的同时

可将支持向量机的训练时间缩短1/3

从而提高了故障诊断效率.

Abstract

关键词

Keywords

references

Jollife I T. Principal component analysis[M]. Berlin: Springer-Verlag, 2002:10-76.

Vapnik V N. The nature of statistical learning theory[M]. Berlin: Springer-Verlag, 2000:17-167.

Shawe-Taylor J, Cristianini N. An introduction to support vector machines and other kernel-based learning methods[M]. Cambridge: Cambridge University Press, 2000:8-107.

Burges C J C. A tutorial on support vector machines for pattern recognition[J]. Data Mining and Knowledge Discovery, 1998,2(2):121-167.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

改进的熵特征在行星齿轮裂纹故障识别中的应用

支持向量机在电力变压器故障诊断中的应用

低频和高频交流电场助燃对比及燃烧特征参数预测研究

采用改进共空间模式算法的四类表情辅助脑电信号识别方法

CNN-LSTM深度神经网络在滚动轴承故障诊断中的应用

Related Author

吴守军

陈健

冯辅周

周超极

吴春志

卫恒

李彦明

吴晓辉

Related Institution

中国人民解放军32021部队

军事科学院系统工程研究院

陕西师范大学体育学院

中国人民解放军63963部队

陆军装甲兵学院车辆工程系

⁰