论文摘要
为提高内燃机在强耦合、弱信号条件下的故障诊断精度,提出一种基于改进二叉树支持向量机(SVM)的内燃机故障诊断方法.首先对样本的可分性测度进行重新定义,以此训练出的支持向量机模型更大程度上减少了样本错分的可能性,通过对仿真数据的分类识别,验证了有效性.以BF4L1011F型内燃机为诊断对象,分别提取振动信号的数据域及图像域特征,对比不同多分类算法识别结果,所提方法表现出更高的识别准确率.
论文目录
文章来源
类型: 期刊论文
作者: 蔡艳平,张恒,石林锁,张世雄
关键词: 内燃机,改进二叉树,支持向量机,分类识别
来源: 内燃机学报 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 动力工程
单位: 西安交通大学机械工程学院,火箭军工程大学作战保障学院
基金: 国家自然科学基金资助项目(51405498),中国博士后基金资助项目(2015M582642)
分类号: TK407
DOI: 10.16236/j.cnki.nrjxb.201904048
页码: 367-373
总页数: 7
文件大小: 1449K
下载量: 178