文件名称：基于支持向量机的提升机制动系统故障诊断 (2006年)
文件大小：1.96MB
文件格式：PDF
更新时间：2024-06-12 06:39:19
自然科学 论文
针对提升机制动系统中常见的卡缸故障，利用支持向量机（SVM）这一新的机器学习方法进行智能诊断。在某一闸系统正常时获得2组信号，卡缸时获得6组信号，采用3层小波包对闸瓦间隙-时间信号进行分解，以各频带的能量为元素构造特征向量，形成故障诊断样本，在Matlab6.5环境下用SVM工具箱进行编程，建立SVM故障分类器并对测试样本进行测试，从而实现提升机制动系统卡缸故障诊断。实验结果表明，在不到0.1s时间内，就建立了SVM故障分类器，该分类器对测试样本的诊断正确率达到了100%；当训练样本由6组减少至4组时，S