文献

J-GLOBAL ID：201702233275119578   整理番号：17A1977130

最適化サポートベクトルマシンと知的故障診断におけるその応用を最適化した。【JST・京大機械翻訳】

著者 (4件)： Wang Baojian (西安交通大学机械基礎国家級実験教学示范中心 西安,710049) ,  Zhang Xiaoli (長安大学道路施工技術与装備教育部重点実験室 西安,710064) ,  Fu Yangaoxiao (西安交通大学机械基礎国家級実験教学示范中心 西安,710049) ,  Chen Xuefeng (西安交通大学机械基礎国家級実験教学示范中心 西安,710049)
資料名： Zhendong Ceshi Yu Zhenduan  (Zhendong Ceshi Yu Zhenduan)
巻： 37  号： 3  ページ： 547-552  発行年： 2017年 
JST資料番号： C2749A  ISSN： 1004-6801  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 単一サポートベクトルマシン(SVM)は,軸受故障診断において低い精度を持ち,軸受故障診断におけるサポートベクトルマシン(SVM)の精度を改善するために,サポートベクトルマシン(SVM)のサンプル特徴抽出法とSVMパラメータ最適化法を研究した。最初に,カーネル主成分分析法を用いて,SVMの入力サンプルを構築し,データ間の冗長性を減らし,データの高次元情報を抽出することができた。次に,粒子群最適化アルゴリズムを用いて,サポートベクトルマシンのカーネル関数パラメータとペナルティ因子を最適化した。最後に,最適化したSVMモデルを用いて故障診断を行った。実際の軸受歯車の故障診断の比較実験により、提案方法は一般的なサポートベクトルマシン診断方法より診断精度が大幅に向上し、このハイブリッドインテリジェント診断方法の有効性と優位性を検証した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *故障診断 ,  冗長性 ,  比較試験 ,  *サポートベクトルマシン ,  ペナルティ ,  *最適化 ,  特徴抽出 ,  高次元 ,  軸受
準シソーラス用語： 診断精度 ,  Kernel関数 ,  粒子群最適化 ,  カーネル主成分分析 ,  パラメータ最適化 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 最適化 ,  サポートベクトルマシン ,  故障診断 ,  応用