SVM模式識別技術在機械故障診斷中的應用進展(doc 9頁)

SVM模式識別技術在機械故障診斷中的應用進展內容提要：
SVM在機械故障診斷中的應用進展：
機械故障診斷的過程是一個故障模式識別的過程，因此研究適合於開展機械設備故障狀態識別的識別理論是解決問題的關鍵之一。鑒於機械設備在整個國民經濟中所處的重要地位以及支持向量機針對小樣本情況所表現出來的優良分類性能，已引起了眾多機械故障診斷領域研究人員的廣泛關注，目前國內外研究人員都試圖在這一領域有所突破。
Jack等將支持向量機應用於滾動軸承的狀態檢測[1引，並用遺傳算法優化支持向量機的參數，取得比較好的推廣能力[1；彭問季提出了一種利用小波包分析提取水電組的振動故障特征和基於支持向量機的水電組振動的故障診斷方法[1]；王凱等提出了一種基於支持向量機的齒輪故障診斷方法，采用小波變換對齒輪的振動信號進行處理來構造特征量，在小樣本情況下比神經網絡獲得更高的診斷精度[】。；饒泓、虞國全[19]采用了幾種基於支持向量機的徑向基網絡故障診斷方法，結合了支持向量機和徑向網絡兩者各自的優點，解決了故障樣本數據不足問題，縮短了訓練時間，並取得更高的準確率；齊保林、李淩均將支持向量機分類算法用於滾動軸承的多類故障模式分類中並與人工神經網絡進行了對比研究
..............................