提出了一种新的支持向量机(Support V ectorM ach ines,SVM)机械系统状态组合预测模型。应用FPE(F ina lP rinc ip le E rror)准则优化样本的维数,采用时域内的振动烈度和频域内的特征频率分量作为预测机械系统状态的敏感因子,构建了预...提出了一种新的支持向量机(Support V ectorM ach ines,SVM)机械系统状态组合预测模型。应用FPE(F ina lP rinc ip le E rror)准则优化样本的维数,采用时域内的振动烈度和频域内的特征频率分量作为预测机械系统状态的敏感因子,构建了预测模型。支持向量机采用新型的结构风险最优化准则,预测能力强、鲁棒性好。采用径向基函数和ε损失函数,将该模型应用于实验台和旋转注水机组的状态预测,取得了较好的效果。这表明利用支持向量机的组合预测模型,可以降低设备维修代价,提高设备的安全性和可靠性。展开更多
文摘提出了一种新的支持向量机(Support V ectorM ach ines,SVM)机械系统状态组合预测模型。应用FPE(F ina lP rinc ip le E rror)准则优化样本的维数,采用时域内的振动烈度和频域内的特征频率分量作为预测机械系统状态的敏感因子,构建了预测模型。支持向量机采用新型的结构风险最优化准则,预测能力强、鲁棒性好。采用径向基函数和ε损失函数,将该模型应用于实验台和旋转注水机组的状态预测,取得了较好的效果。这表明利用支持向量机的组合预测模型,可以降低设备维修代价,提高设备的安全性和可靠性。
