DPCA与GA-SVM融合的智能台车液压系统故障诊断
文献类型：期刊论文
| 作者 | 陈昭明1 ; 徐泽宇2; 赵迎2
|
| 刊名 | 控制工程
 |
| 出版日期 | 2020 |
| 卷号 | 27期号:11页码:1980 |
| 关键词 | Hydraulic system fault diagnosis dynamic principal component analysis genetic algorithm support vector machine 液压系统 故障诊断 动态主成分分析 遗传算法 支持向量机 |
| ISSN号 | 1671-7848 |
| 英文摘要 | 针对智能台车液压系统故障原因复杂多样及故障诊断效率低等问题,提出动态主成分分析(DPCA)与遗传算法改进支持向量机(GA-SVM)相结合的液压系统故障诊断方法。首先,采用AMEsim软件建立液压系统仿真模型采集故障数据并进行预处理;然后采用DPCA对故障特征向量进行降维,解除特征间的相关性和缩短训练时间;再运用遗传算法对SVM进行参数优化,将抽取出来的故障特征参数样本输入优化后的SVM中进行训练,获得分类模型,从而实现故障诊断。测试结果表明该方法的效率高于常规PCA-SVM及BP神经网络,为台车设备的维修和保养提供了指导,具有良好的应用价值和前景。 |
| 语种 | 英语 |
| 源URL | [http://119.78.100.138/handle/2HOD01W0/12724]  |
| 专题 | 中国科学院重庆绿色智能技术研究院 |
| 作者单位 | 1.重庆大学 2.中国科学院重庆绿色智能技术研究院 |
| 推荐引用方式 GB/T 7714 | 陈昭明,徐泽宇,赵迎. DPCA与GA-SVM融合的智能台车液压系统故障诊断[J]. 控制工程,2020,27(11):1980. |
| APA | 陈昭明,徐泽宇,&赵迎.(2020).DPCA与GA-SVM融合的智能台车液压系统故障诊断.控制工程,27(11),1980. |
| MLA | 陈昭明,et al."DPCA与GA-SVM融合的智能台车液压系统故障诊断".控制工程 27.11(2020):1980. |
入库方式： OAI收割
来源：重庆绿色智能技术研究院
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。