基于BP网络和LS-SVM的特征提取和故障识别方法
来源期刊:昆明理工大学学报(自然科学版)2010年第5期
论文作者:明廷锋 王豪 苏永生
文章页码:41 - 46
关键词:特征提取;故障识别;BP网络;最小二乘支持向量机;ROC曲线;
摘 要:针对设备故障诊断过程中构建特征参数冗余,且进行高分辨率信息压缩所需的映射通常具有非线性的问题,应用BP神经网络提取设备状态特征,给出了进行设备状态特征集约简的实施方法.然后利用最小二乘支持向量机(LS-SVM)分类器的训练过程遵循结构风险最小化原则,能够避免传统机器学习的模型选择、过学习、局部极小等问题,具有有效解决非线性和高维模式识别问题的优点,构建了故障识别模型.最后将基于BP网络和LS-SVM的特征提取和故障识别方法用于离心泵机组的四种工作状态识别,并进行了ROC曲线分析,研究结果表明诊断实验的性能评价为优.
明廷锋,王豪,苏永生
海军工程大学船舶与动力学院
摘 要:针对设备故障诊断过程中构建特征参数冗余,且进行高分辨率信息压缩所需的映射通常具有非线性的问题,应用BP神经网络提取设备状态特征,给出了进行设备状态特征集约简的实施方法.然后利用最小二乘支持向量机(LS-SVM)分类器的训练过程遵循结构风险最小化原则,能够避免传统机器学习的模型选择、过学习、局部极小等问题,具有有效解决非线性和高维模式识别问题的优点,构建了故障识别模型.最后将基于BP网络和LS-SVM的特征提取和故障识别方法用于离心泵机组的四种工作状态识别,并进行了ROC曲线分析,研究结果表明诊断实验的性能评价为优.
关键词:特征提取;故障识别;BP网络;最小二乘支持向量机;ROC曲线;