基于SMO SVM算法的变压器故障诊断

SVM implementation of SMO algorithm

轴承早期故障信号的信噪比较低，较难识别。为提高轴承早期故障诊断的准确，分析了现有方法和视觉信息处理方式的相似点，从视觉信息处理的角度进行研究，提出一种基于谱质心直方图的滚动轴承故障特征提取方法，将所提

提出了基于HHT变换和SVM结合的齿轮箱故障诊断方法,介绍了固有模态函数、EMD分解和Hilbert谱以及支持向量机(SVM)理论。先对各种工况信号消噪,再利用EMD分解将信号分解为IMF分量,求出H

如何提高可靠性与安全性一直是提升机诊断系统最关注的问题,从处理诊断的数据模型出发,提出了基于PCA的SVM提升机故障诊断方法,探讨了SVM方法,并结合实际验证方法的可行性。

利用核独立成分分析(KICA)处理矿用主要通风机的振动信号,分离出具有特征信息的独立分量。提取特征向量再利用支持向量机(SVM)对矿用主要通风机的故障状态进行模式识别。通过实验比较表明,该方法明显提高

针对滚动轴承的噪声信号问题提出了一种基于匹配追踪(MP)的降噪算法。该算法对信号进行最佳匹配,提取特征信息实现信号降噪。在滚动轴承故障识别中,利用内禀模态奇异值分解(SVD)提取特征向量,运用支持向量

针对矿用异步电机定子匝间短路故障,提出了一种故障诊断的方法,该方法结合了小波包熵和最小二乘支持向量机,通过样本误差来选择贡献量比较大的样本,同时又顾及到其它样本的一些属性,再通过最小二乘支持向量机来进

变压器是电力系统的重要设备之一,它的故障将对供电的可靠性和系统的正常运行产生严重影响。因此,开展变压器故障早期诊断,对保证变压器长期安全可靠运行,减少不必要的停用,防止异常情况的发展具有极为特殊的意义

保证电力变压器可靠运行是电力系统安全稳定的重要研究课题,现有的油中溶解气体分析方法存在编码涵盖范围小、不可扩展等不足,影响了其在实际工程中的应用。为此,提出了一种可扩展的油中溶解气体成分的电力变压器故

针对电力变压器故障的深度诊断问题,提出一种深度置信网络与D-S证据理论相结合的方法。采用深度置信网络对电力变压器故障的多维数据进行特征提取及分类,并结合D-S证据理论解决故障诊断中的不确定性问题,构造