基于新型多分类支持向量算法的发动机故障诊断(英文)

被引：6
作者：
徐启华 [1 ]
师军 [2 ]
机构：
[1] Electronic Engineering Department, Huaihai Institute of Technology, Lianyungang ,China
[2] College of Automatic Control, Northwestern Polytechnical University, Xi′an ,China
来源：
Chinese Journal of Aeronautics | 2006年 / 03期
关键词：
支持向量机; 故障诊断; 多类分类;
D O I：
暂无
中图分类号：
V263.6 [故障分析及排除];
学科分类号：
摘要：
层次支持向量机(H-SVM)比通常的“一对多”(1-V-R)和“一对一”(1-V-1)等多分类支持向量算法具有更快的训练速度和分类速度。提出一种基于H-SVM的航空发动机气路部件故障诊断方法,根据特征空间中各类故障样本中心之间的距离来逐层划分子类,距离较近的故障样本归为同一个子类进行训练,得到的H-SVM层次结构合理,各层的SVM分类间隔大、泛化能力强;同时,用ν-SVM代替通常的C-SVM作为两类分类器,分类器参数意义明确、变化范围小,更容易确定。仿真实验表明,基于H-SVM的故障分类器具有良好的分类准确性和泛化性能,能够对发动机气路部件的单一故障和复合故障进行快速诊断。
引用
收藏
页码：175 / 182
页数：8
相关论文
共 7 条
1