期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于单分类支持向量机的煤矿防爆电气设备振动故障自动检测
1
作者 郑铁华 王飞 +1 位作者 赵格兰 杜春晖 《工矿自动化》 北大核心 2025年第2期106-112,共7页
煤矿防爆电气设备在运行过程中产生的振动会损害其机械完整性,导致紧固件松动、零部件磨损,并改变设备的结构与振动模态,进而引发信号特征的复杂变化,使得正常振动频率与故障引发的新频率成分相互混淆,模糊了正常信号与故障信号之间的界... 煤矿防爆电气设备在运行过程中产生的振动会损害其机械完整性,导致紧固件松动、零部件磨损,并改变设备的结构与振动模态,进而引发信号特征的复杂变化,使得正常振动频率与故障引发的新频率成分相互混淆,模糊了正常信号与故障信号之间的界限,从而降低传统检测方法在故障检测中的准确性。针对上述问题,提出一种基于单分类支持向量机(OCSVM)的煤矿防爆电气设备振动故障自动检测方法。首先,构造设备的正常状态特征和振动故障状态特征,根据OCSVM的特性,将正常状态特征序列设定为OCSVM核函数的决策边界学习目标。考虑煤矿防爆电气设备振动故障信号呈现非线性和高维特征,选定多项式核作为OCSVM的核函数。然后,采用网格搜索和K−交叉验证相结合的方式对OCSVM进行参数调优,以使OCSVM达到更好的性能。最后,通过求取OCSVM目标函数的最优解,确定最优决策边界,以此实现煤矿防爆电气设备振动故障的自动检测。实验结果显示:①在迭代次数为20时,OCSVM算法算法可完成收敛,达到稳定。②基于OCSVM的电气设备信号划分实验中,借助多项式核函数能精准划分样本实现检测。③振动故障自动检测性能分析中,所提方法在各样本量下准确率均显著高于红外热成像技术检测方法、基于灰狼优化支持向量机模型检测方法,小样本量时准确率达98.25%且稳定性好。 展开更多
关键词 煤矿防爆电气设备 振动故障检测 单分类支持向量机 变分模态分解 熵矩阵
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部