基于光譜分析和SVM的綜合傳動故障診斷研究

摘要：油液光譜分析是研究綜合傳動運行狀態的重要方法,文章以油液光譜分析數據為基礎,運用支持向量機(support vector machine,SVM),建立了一種多輸出最小二乘支持向量回歸方法.利用多輸出最小二乘支持向量回歸方法對兩臺綜合傳動光譜油液分析數據進行了研究分析.研究表明,此方法得到的回歸數據對1號綜合傳動試驗數據具有良好的逼近效果,對2號綜合傳動油液光譜分析數據的預測具有較高的準確性.通過與2號綜合傳動試驗數據的對比分析,發現了故障信息,并確定了故障部位.試驗結果表明,該方法對于發現故障隱患,判斷故障部位具有重要實際意義. 作者： 張英鋒[1]馬彪[2]張金樂[2]陳漫[2]范昱珩[3]李文昌[4] Author： ZHANG Ying-feng[1]  MA Biao[2]  ZHANG Jin-le[2]  CHEN Man[2]  FAN Yu-heng[3]  LI Wen-chang[4] 作者單位： 北京理工大學機械與車輛學院,北京100081;軍事交通學院汽車工程系,天津300161北京理工大學機械與車輛學院,北京,100081中國兵器科學研究院,北京,100089江麓機電科技有限公司技術中心,湖南湘潭,411100 期 刊： 光譜學與光譜分析   ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： 2010, 30(6) 分類號： U463.2 關鍵詞： 光譜分析    支持向量機    綜合傳動    故障診斷    機標分類號： TP1 TK4 機標關鍵詞： 油液光譜分析    SVM    綜合傳動    故障部位    診斷研究    Spectrometric Analysis    Based    Diagnosis of    Fault    支持向量機    光譜分析數據    回歸方法    最小二乘    試驗數據    多輸出    運行狀態    試驗結果    實際意義    故障隱患    故障信息 基金項目： 國防十一五預先研究項目，高等學校學科創新引智計劃項目，總裝十一五預研項目

【基于光譜分析和SVM的綜合傳動故障診斷研究】相關文章：

基于SVM的遙感影像空間特征提取和分類研究04-29

基于SVM的航空發動機滾動軸承故障診斷技術研究04-27

改進的SVM算法及其在故障診斷中的應用研究04-30

基于WA-SVM的流域降雨序列預測研究及應用04-26

基于仿真與數據挖掘的故障診斷方法研究04-28

基于光譜分析技術的黃瓜與莖葉識別研究05-07

基于PNN的飛機發動機故障診斷研究04-27

車輛噪聲和振動故障診斷研究04-30

基于SVM的遂寧坡耕地徑流小區產流產沙預測研究04-28

基于模糊聚類分析的柴油機故障診斷研究04-28