全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于多分类SVM的航空逆变器故障诊断
- 作者： 陈丽晶 张尚田 单添敏 姚晓涵 曹亮 王景霖 来源： 测控技术 年份： 2022 文献类型 ： 期刊 关键词： 主成分分析 航空逆变器 故障诊断 多分类支持向量机
- 描述： 航空逆变器的可靠性对飞机供电系统的安全性和稳定性尤为重要，但当前对于航空供电器的故障诊断的研究较少，无法为航空逆变器提供有效保障。因此，提出基于多分类支持向量机的故障诊断方法，对航空逆变器的多种故障模式进行诊断。针对故障特征耦合性高的问题，采用主成分分析方法提取故障特征，获取低维度的关键特征。由于逆变器具有多种故障模式，且具有非线性的特点，故采用多分类支持向量机算法进行故障诊断。该算法具有极强的分类能力，是处理小样本、非线性问题的有力工具。实验结果表明，该算法模型可对航空逆变器多种工况条件下的15种故障模式进行有效诊断，并且方法诊断速度快，提高了航空供电系统的安全性。
- 基于APSO-LSSVM的航空发动机轴承故障诊断及寿命预测
- 作者： 刘海瑞 武宪威 李鹏 钱征华 李锟 来源： 测控技术 年份： 2024 文献类型 ： 期刊 关键词： 航空发动机轴承 支持向量机 主成分分析 轴承诊断 粒子群算法
- 描述： 航空发动机轴承在高速、高温、高载荷等极端工况下易发生机械故障，为了提前预警，提出了一种基于自适应粒子群优化(Adaptive Particle Swarm Optimization, APSO)算法的最小二乘支持向量机(APSO Least Squares Support Vector Machine, APSO-LSSVM)对滑油系统中轴承磨屑进行在线监测的故障诊断及寿命预测。通过主成分分析法(Principal Components Analysis, PCA)对滑油磨屑信息进行降维处理，构建特征向量，并将特征向量输入APSO-LSSVM模型，对轴承故障状态进行分类并对轴承剩余寿命进行预测。结果表明：使用PCA可以保留数据样本99.9%的信息，同时还能极大地降低数据维度；与遗传算法(Genetic Algorithm, GA)、灰狼优化(Grey Wolf Optimization, GWO)算法、粒子群优化(Particle Swarm Optimization, PSO)算法的支持向量机相比，所提算法因采用了自适应调节粒子移动步幅，在进行轴承状态分类时准确率更高，分类正确率可达95.56%,同时在进行轴承剩余寿命预测时具有较好的准确度和泛化性。