| 基于决策树与多元支持向量机的齿轮箱早期故障诊断方法 |
| |
| 引用本文： | 张亮,陈志刚,杨建伟,汪耀林.基于决策树与多元支持向量机的齿轮箱早期故障诊断方法[J].应用声学,2016,24(1):3-3. |
| |
| 作者姓名： | 张亮 陈志刚 杨建伟 汪耀林 |
| |
| 作者单位： | 北京建筑大学北京市建筑安全监测工程技术研究中心,北京建筑大学北京市建筑安全监测工程技术研究中心,北京建筑大学北京市建筑安全监测工程技术研究中心,中原输油气分公司 |
| |
| 基金项目： | 国家自然科学(No.51004005)；北京市优秀人才培养资助项目(No.2013D005017000013)；北京市属高等学校高层次人才引进与培养计划项目。 |
| |
| 摘 要： | 针对齿轮箱部件故障形式多样的特点和典型故障训练样本数量有限的难点,提出了基于决策树与多元支持向量机的齿轮箱早期故障诊断方法。利用决策树分类速度快、效率高的优点和支持向量机在小样本二元分类方面突出的特点构建多元分类识别模型,在不同故障情形下提取齿轮箱振动信号典型特征参数作为故障特征向量训练模型,并对样本进行测试。实验结果表明,该方法在小样本情况下识别效果明显优于神经网络方法,同时在识别效率方面比常规多元支持向量机方法有了较大的提高。
|
| 关 键 词： | 齿轮箱 决策树 支持向量机 故障识别 神经网络 |
| 收稿时间： | 2015/9/22 0:00:00 |
| 修稿时间： | 2015/12/30 0:00:00 |
Early Fault Diagnosis of Gearbox Based on Multiclass Support Vector Machine and Decision Tree |
| |
| Chen Zhigang,Yang Jianwei and Wang Yaolin.Early Fault Diagnosis of Gearbox Based on Multiclass Support Vector Machine and Decision Tree[J].Applied Acoustics,2016,24(1):3-3. |
| |
| Authors: | Chen Zhigang Yang Jianwei and Wang Yaolin |
| |
| Institution: | Beijing Engineering Research Center of Monitoring for Construction Safety,Beijing University of Civil Engineering Architecture,Beijing Engineering Research Center of Monitoring for Construction Safety,Beijing University of Civil Engineering Architecture,Beijing Engineering Research Center of Monitoring for Construction Safety,Beijing University of Civil Engineering Architecture,Zhongyuan Oil Gas Transportation Sub-Company,Dezhou |
| |
| Abstract: | ASmultivariateSclassificationSrecognitionSmodelScanSbeSbuiltSbySusingSaSdecisionStree,whichShasSadvantagesSofSrapidSspeedSandShighSefficiencySinSclassification,SandSaSSVM,whichShasSoutstandingScharacteristicsSinSsmall-sampleSbinarySclassification,andStheSmodelSisStrainedSwithSaSfaultSfeatureSvectorSwhichSisSaSdimensionlessSvalueSextractedSfromStheSgearboxSvibrationSsignalScharacteristicSparameters,andSthenSusingStheSmodelStoStestStheSsamples.TheSresultsSshowSthatSthisSmethodSnotSonlyScanScompleteStheSmodelSlearningStrainingSinStheScaseSofSsmallSsamples,butSalsoShasSbeenSgreatlySimprovedSoverStheSneuralSnetworkSmethodSinStermsSofStheSrecognitionSperformance,andScanSbeSeffectivelySappliedStoSgearboxSfaultSdiagnosis. |
| |
| Keywords: | Automatic Transmission Decision Tree Support Vector Machine Fault Identification Neural network |
|
| 点击此处可从《应用声学》浏览原始摘要信息 |
| 点击此处可从《应用声学》下载免费的PDF全文 |
|
