文献类型：期刊文章

作　　者：苏盈盈[1,2] 马飞[3] 刘兴华[1] 熊德杨[1]

机构地区：[1]重庆科技学院电气与信息工程学院,重庆401331 [2]重庆大学自动化学院,重庆400044 [3]重庆电力高等专科学校,重庆400053

出　　处：《重庆电力高等专科学校学报》

基　　金：重庆市自然科学基金项目(项目编号cstc2012jjA40026);重庆科技学院校内重点科研基金项目(项目编号CK2011Z01)

年　　份：2013

卷　　号：18

期　　号：6

起止页码：63-66

语　　种：中文

收录情况：普通刊

摘　　要：利用LLE(Locally Linear Embedding)算法对众多的观测变量进行降维,再利用支持向量分类器SVM(Support Vector Machine)方法对降维后的变量数据集进行故障诊断。通过算例仿真表明,旋转机械故障的23维变量因素可降到14维,同时得到的诊断结果中,训练集的正确率为94.8%,测试集的正确率为100%。结果表明基于LLE算法和SVM的旋转机械故障诊断的模型精度有效。其既降低了模型的复杂度,又不影响故障诊断模型的精度。

关 键 词：局部线性嵌入 SVM 旋转机械 故障诊断

分 类 号：TP206.3]