版权所有：内蒙古大学图书馆 技术提供：维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
基于SMO算法的SVM分类器在压缩机故障识别中应用
The application of SVM classifier based on SMO algorithm in compressor fault identification作者机构：兰州石化职业技术学院电子电气工程系兰州730060 浙江大学电气工程学院杭州310027
出 版 物：《自动化与仪器仪表》 (Automation & Instrumentation)
年 卷 期：2012年第3期
页 面：96-98页
学科分类：080704[工学-流体机械及工程] 08[工学] 0807[工学-动力工程及工程热物理]
基 金：国家自然科学基金(60702023) 2010年度甘肃省高校基本科研业务费专项(甘财教176) 甘肃省高等学校青年教师扶持科研项目(0915B-1)
主 题：支持向量机 序列最小优化算法 分类器 压缩机 故障识别
摘 要：采用时频分析和支持向量机(SVM)相结合,提出一种压缩机故障识别新方法。首先利用Labview软件平台,对压缩机振动信号进行时频分析;然后提取出空气压缩机故障信号的特征向量,组成训练样本和测试样本;最后使用一对一方法构造成多元支持向量机分类器,利用序列最小优化(S M O)算法对故障样本进行训练,实现了压缩机的故障识别。实验测试表明,该分类器有较高故障诊断效率且性能良好,适合压缩机的故障识别。
