基于主成分分析和朴素贝叶斯判别分析法的矿井通风机故障识别研究.pdfVIP

基于主成分分析和朴素贝叶斯判别分析法的矿井通风机故障识别研究.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于主成分分析和朴素贝叶斯判别分析法的矿井通风机故障识别研究

总第 179期 doi:10.3969/j.issn.1005—2798.2014.07.001 基于主成分分析和朴素 贝叶斯 判别分析法的矿井通风机故障识别研究 王江荣.文 晖 (兰州石化职业技术学院 信息处理与控制工程系,甘肃 兰州 730060) 摘 要:为了正确诊断和识别矿井通风机故障,选取矿井通风机振动信号中的7个频率段能量指标作为故 障识别的样本变量。在此基础上,采用主成分分析(PCA)与朴素贝叶斯(NBC)判别分析相结合的方法建 立通风机故障判别模型。以采集到的15个样本数据为学习样本,10个为预测样本,对该模型进行检验和 应用,并与传统NBC判别分析模型和其它模型的结果进行 比较。测试结果表明利用 PCA与NBC故障判 别模型能够有效地消除样本变量指标间的相互影响,使故障判别结果更加准确。 关键词:矿井通风机 ;故障判别;主成分分析;朴素贝叶斯分析 中图分类号:TD441 文献标识码:A 文章编号:1005.2798(2014)07-0001—04 FanVentilatorDiagnosisResearchBasedonPrincipalComponent andNaiveBayesDiscriminantAnalysisofinCoalM ine WANGJiang-rong,WENHui (InformationProcessingandControlEngineeringDepartmentofLanzhouPetrochemical VocationalandTechnicalCollege,Lanzhou 730060,China) Abstract:Inordertocorrectlymineventilatorfaultdiagnosisandrecognition,itselectedsevenofthemineventilatorvibrationsignal ~equeneyenergyindexasthefaultidentificationofsamplevariables.Onthisbasis,itbuihtheventilatorfaultdiscriminantmodal by combiningwiththemainprincipalcomponentanalysis(PCA)andnaivebayes(NBC)diseriminantanalysismethod.15sampleswere collectedwithdataaslearningsamples,10sampleswerefortheprediction,itcomparewiththetraditionalNBCdiscriminantmodeland othermodelsforthemodeltestandapplication.Testresultsshow thattheuseofPCA andNBC faultdiscriminantmodelcaneffectively eliminatesamplevariableindicators,themutualinfluencebetweenthefaultresultsismoreaccurate. Keywords:mineventilator;failurecriterion;principalcomponentanalysis;simplebayesiananalysis 正确诊断和识别矿井通风机故障并采取相应措 主成分分析 (PCA,PrincipalComponentsAnalysis) 施及时排除故障是关乎煤矿安全生产的大事。因 法 3『-4]对影响通风机故障的原始指标数据信息进行 此,对矿井通风机进行故障诊断和识别是十分重要 提炼,把彼此相关联的指标变量转化为彼此独立、新 的…。随着微电子等技术的发展,对矿井通风机故 的样本指标变量,消除指标间信息叠加现象,尽可能 障数据的获取不再难 [2]。虽然矿井通风机故障有很 减少故障类型的误 判。朴素 贝叶斯判别分析法 多,但较典型的有

文档评论(0)

busuanzi + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档