10.11857/j.issn.1674-5124.2017.03.023
基于混沌理论和相关向量机的自动机故障诊断
针对自动机振动信号的非线性与短时冲击特性,提出一种基于混沌理论和相关向量机(relevance vector machine,RVM)相结合的自动机故障诊断方法.首先,计算每一组自动机振动信号的最大Lyapunov指数﹑关联维数﹑Kolmogorov熵和相对关联距离熵共4个混沌参数并组成特征矩阵,从而表征自动机状态信息.然后,将特征矩阵输入RVM中进行分类识别,判断故障类型.自动机故障诊断实例表明,通过提取自动机振动信号的4个混沌参数可以实现其运行状态信息表征,并且RVM能够较精确地识别自动机的常见故障;此外,通过与支持向量机(support vector machine,SVM)的故障诊断结果进行对比,验证RVM分类模型的优势.
混沌理论、相关向量机、自动机、特征提取
43
TP1;TN9
河北省自然科学基金资助项目E2016506003
2017-04-24(万方平台首次上网日期,不代表论文的发表时间)
共6页
111-116