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(tài)的重要方法,文章以油液光譜分析數(shù)據(jù)為基礎(chǔ),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(shù)據(jù)進行了研究分析.研究表明,此方法得到的回歸數(shù)據(jù)對1號綜合傳動試驗數(shù)據(jù)具有良好的逼近效果,對2號綜合傳動油液光譜分析數(shù)據(jù)的預(yù)測具有較高的準(zhǔn)確性.通過與2號綜合傳動試驗數(shù)據(jù)的對比分析,發(fā)現(xiàn)了故障信息,并確定了故障部位.試驗結(jié)果表明,該方法對于發(fā)現(xiàn)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(xué)機械與車輛學(xué)院,北京100081;軍事交通學(xué)院汽車工程系,天津300161北京理工大學(xué)機械與車輛學(xué)院,北京,100081中國兵器科學(xué)研究院,北京,100089江麓機電科技有限公司技術(shù)中心,湖南湘潭,411100 期 刊： 光譜學(xué)與光譜分析   ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： 2010, 30(6) 分類號： U463.2 關(guān)鍵詞： 光譜分析    支持向量機    綜合傳動    故障診斷    機標(biāo)分類號： TP1 TK4 機標(biāo)關(guān)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(shù)據(jù)    回歸方法    最小二乘    試驗數(shù)據(jù)    多輸出    運行狀態(tài)    試驗結(jié)果    實際意義    故障隱患    故障信息 基金項目： 國防十一五預(yù)先研究項目，高等學(xué)校學(xué)科創(chuàng)新引智計劃項目，總裝十一五預(yù)研項目

【基于光譜分析和SVM的綜合傳動故障診斷研究】相關(guān)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(fā)動機滾動軸承故障診斷技術(shù)研究04-27

改進的SVM算法及其在故障診斷中的應(yīng)用研究04-30

基于WA-SVM的流域降雨序列預(yù)測研究及應(yīng)用04-26

基于仿真與數(shù)據(jù)挖掘的故障診斷方法研究04-28

基于光譜分析技術(shù)的黃瓜與莖葉識別研究05-07

基于PNN的飛機發(fā)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(qū)產(chǎn)流產(chǎn)沙預(yù)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