王长林
- 作品数：5 被引量：12H指数：1
- 供职机构：桂林电子科技大学更多>>
- 发文基金：国家自然科学基金广西壮族自治区自然科学基金广西制造系统与先进制造技术重点实验室主任基金更多>>
- 相关领域：机械工程自动化与计算机技术更多>>
- 面向旋转机械的支持向量机方法与故障模式分类研究
- 支持向量机(Support Vector Machines, SVM)是在统计学习理论(Statistical Learning Theory,SLT)基础上发展起来的新型机器学习算法,该方法在解决小样本、非线性及高维问...
- 王长林
- 关键词：旋转机械故障诊断模式识别蚁群算法支持向量机
- 文献传递
- SVM模式识别技术及在机械故障诊断中的应用进展被引量：10
- 2009年
- 支持向量机(Support Vector Machines,SVM)是一种基于统计学习理论的新型机器学习方法,对小样本决策具有较好的学习推广性。为在机械故障诊断中更好地运用该方法,从基于支持向量机理论的模式识别技术和机械故障诊断中应用两方面,综述了近年来支持向量机国内外研究应用现状,分析了技术特点、存在问题、解决方案及其在机械工程领域应用前景。
- 王长林陈鸿宝林玮秦启茂宋宜梅
- 关键词：支持向量机模式识别故障诊断
- 基于SVM的旋转机械转子故障预示研究被引量：1
- 2010年
- 支持向量机包括支持向量回归机和支持向量分类机。本文提出了一种用于旋转机械转子故障预示的方法,通过支持向量分类机(SVC)对旋转机械转子故障进行分类并建立故障分类器,利用支持向量回归机(SVR)对转子运行状态趋势进行预示,并将预示结果输入到SVC以判断预示结果的属性。对支持向量回归机进行了仿真研究。将支持向量机与神经网络算法从理论和实验研究两个方面进行了对比研究,结果表明,该方法具有较好的故障预示能力。
- 秦启茂王长林宋宜梅朱亮
- 关键词：支持向量机旋转机械
- 基于支持向量机的机械多故障智能分类方法研究被引量：1
- 2009年
- 典型故障数据样本的严重不足是制约机械故障智能诊断技术发展的主要原因之一。提出了一种基于支持向量机的机械故障诊断新方法,综合了单值和多值支持向量机分类算法,在此基础上,建立了多故障分类器。采用该方法对转子实验台典型的多故障数据进行分类,结果表明:只需少量的时域数据样本来训练分类器,即可实现多故障的识别与诊断,克服了已有方法需要对原始数据进行预处理的困难,可更方便地应用于机械设备多分类故障诊断领域。
- 王长林林玮陈鸿宝秦启茂宋宜梅
- 关键词：支持向量机多故障分类器机械故障诊断
- 支持向量机及其在机械故障诊断中的应用研究
- 2009年
- 针对支持向量机分类算法中模型选择对分类精确性影响很大的问题,结合转子实验台模拟的典型旋转机械故障数据对影响多故障分类器分类性能的相关因素进行了研究。结果表明,在少量时域故障数据样本条件下,选用不同的核函数及核函数参数对多故障分类器的分类精度有一定影响,为实际工程应用中选择合适的支持向量机核函数类型及其参数提供一定的帮助。
- 王长林秦启茂宋宜梅
- 关键词：支持向量机机械故障诊断多故障分类器
