基于邻域粗糙集和支持向量机的内燃机故障诊断方法
来源期刊:昆明理工大学学报(自然科学版)2016年第4期
论文作者:杨波 宋国富 洪波昌 申立中
文章页码:52 - 58
关键词:小缸径内燃机;邻域粗糙集;支持向量机;故障诊断;
摘 要:针对内燃机传统诊断方法的弊端,从内燃机故障诊断的实际从发,首先利用邻域粗糙集(NRS)对样本数据进行混淆度分析,然后采用基于PSO参数寻优的支持向量机(SVM)算法对内燃机故障进行分类诊断,构建一种NRS和PSO-SVM相结合的内燃机故障诊断模型.该方法既发挥了邻域粗糙集处理异常样本的能力,又融合了支持向量机优异的分类性能.工程实例应用表明,该模型诊断精度为94.83%,诊断时间为2.001 0E-4 s,是一种快速有效的诊断方法.
杨波1,2,宋国富1,洪波昌1,申立中3
1. 昆明理工大学质量发展研究院2. 昆明云内动力股份有限公司3. 昆明理工大学云南省内燃机重点实验室
摘 要:针对内燃机传统诊断方法的弊端,从内燃机故障诊断的实际从发,首先利用邻域粗糙集(NRS)对样本数据进行混淆度分析,然后采用基于PSO参数寻优的支持向量机(SVM)算法对内燃机故障进行分类诊断,构建一种NRS和PSO-SVM相结合的内燃机故障诊断模型.该方法既发挥了邻域粗糙集处理异常样本的能力,又融合了支持向量机优异的分类性能.工程实例应用表明,该模型诊断精度为94.83%,诊断时间为2.001 0E-4 s,是一种快速有效的诊断方法.
关键词:小缸径内燃机;邻域粗糙集;支持向量机;故障诊断;