基于支持向量机的机械故障智能分类研究

摘要：

故障样本不足是制约故障诊断技术向智能化方向发展的主要原因之一.支持向量机(SVM)是一种基于统计学习理论(SLT)的机器学习算法,它能在训练样本很少的情况下达到很好的分类效果,从而为故障诊断技术向智能化发展提供了新的途径.本文介绍了支持向量机分类算法,以滚动轴承的故障分类为例,探讨了该算法在故障诊断领域中的应用,并与BP神经网络分类方法进行了对比研究.结果表明,SVM方法在少样本情况下的分类效果优于BP神经网络分类方法.

关键词：统计学习理论(SLT)、支持向量机(SVM)、故障诊断、神经网络

所属期刊栏目：25

分类号：TH17

资助基金：国家自然科学基金50335030;国家自然科学基金50175087

在线出版日期：2004-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：667-670