基于支持向量机的多故障分类器及应用.pdfVIP

第 23 卷 　第 5 期 　　　　　　　　　　　　　　　机 械 科 学 与 技 术 　　　　　　　　　　　　　　　Vol. 23 　No. 5 2004 年 　　5 月 　　　　　　 　　　　MECHANICAL SCIENCE AND TECHNOLOGY　　　　　　　　　 　May 　 2004 ( ) 文章编号 2004 基于支持向量机的多故障分类器及应用 张周锁 ,李凌均 ,何正嘉 (西安交通大学 机械工程学院 ,西安 　710049) 张周锁 摘 　要 :针对因缺少大量故障数据样本而制约机械故障智能诊断的问题 ,本文改进了支持向量机多故障分类算法 , 依据此算法建立了多故障分类器 ,并应用于汽轮发电机组的故障诊断。应用结果表明 ,不必进行信号预处理以提取 特征量 ,只需要用少量的时域故障数据样本建立故障分类器。该故障分类器可实现多故障的识别和诊断 ,并且具有 算法简单、可对故障在线分类和故障分类能力强的优点。 关 　键 　词 :支持向量机 ;机械故障诊断 ;多故障分类器 中图分类号: TH17 ;TP18 　　　文献标识码 :A MultiFault Classifier Based on Support Vector Machine and Its Applications ZHANG Zhousuo , LI Lingjun , HE Zhengjia ( School of Mechanical Engineering , Xi′an Jiaotong University , Xi′an 710049) Abstract : This paper improves a multiclassification algorithm of support vector machine , and a multifault classifier based on the algorithm is constructed. Training the multifault classifier only needs a small quantity of fault data samples in time domain , and does not need signal preprocessing for extracting signal features. The multifault classifier was applied to fault diagnosis of steam turbine generator , and the results show that it has such advantages as simple algorithm , online fault classification and excellent capability of fault classification. Key words : Support vector machine ; Machinery fault diagnosis ; Multifault classifier 　　目前比较常用的模糊诊断、专家系统和人工神经网络 于对汽轮发电机组的三种故障进行识别和分类 ,取得了较 等智能诊断方法 ,往往需要大量的故障数据样本或先验知 好的效果。 识 ,而在机械故障诊断领域 ,获取大量的典型故障数据样本 非常困难。此外 ,这些方法还需要先通过数字信号处理以 1 　二分类支持向量机的原理和算法[2 ] 提取信号的特征量