高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于HMM&SVM的核动力设备机械故障诊断方法研究

岳夏 张春良 全燕鸣 朱厚耀

岳夏, 张春良, 全燕鸣, 朱厚耀. 基于HMM&SVM的核动力设备机械故障诊断方法研究[J]. 核动力工程, 2012, 33(3): 104-108.
引用本文: 岳夏, 张春良, 全燕鸣, 朱厚耀. 基于HMM&SVM的核动力设备机械故障诊断方法研究[J]. 核动力工程, 2012, 33(3): 104-108.
YUE Xia, ZHANG Chunliang, QUAN Yanming, ZHU Houyao. Fault Diagnosis of Nuclear-Powered Equipment Based on HMM&SVM[J]. Nuclear Power Engineering, 2012, 33(3): 104-108.
Citation: YUE Xia, ZHANG Chunliang, QUAN Yanming, ZHU Houyao. Fault Diagnosis of Nuclear-Powered Equipment Based on HMM&SVM[J]. Nuclear Power Engineering, 2012, 33(3): 104-108.

基于HMM&SVM的核动力设备机械故障诊断方法研究

基金项目: 

“十一五”国防基础科研项目(B0120060585)

国家863高技术研究发展计划资助项目(2008AA04Z407)

详细信息
    作者简介:

    岳夏(1980—),男,华南理工大学机械与汽车工程学院机械制造及其自动化专业博士研究生。主要从事设备状态监测与故障诊断、人工智能、机械制造等方面的研究工作。

    张春良(1964—),男,教授,博士生导师。2003年毕业于浙江大学机械工程专业,获博士学位。现主要从事机械制造、振动控制、核设备状态监测与故障诊断等方面的研究工作,任广州大学机械与电气工程学院院长。

    全燕鸣(1957—),女,教授,博士生导师。1997年毕业于华南理工大学,获博士学位。现主要机械制造、检测技术、刀具与车削加工技术等方面的研究工作

  • 中图分类号: TH165+.3

Fault Diagnosis of Nuclear-Powered Equipment Based on HMM&SVM

  • 摘要: 核动力设备复杂且积累的资料与故障样本少,传统的诊断方法有待改进。隐马尔可夫模型与支持向量机是一种新的智能诊断技术。本文针对核动力设备机械故障诊断的特点,采用隐马尔可夫模型建模的方式进行故障的初步诊断,再利用支持向量机小样本的强推广能力进行进一步甄别。主泵故障模拟装置上的验证实验表明,HMM&SVM混合模型具有较高的故障识别率。

     

  • 加载中
计量
  • 文章访问数:  19
  • HTML全文浏览量:  6
  • PDF下载量:  0
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-01-11
  • 修回日期:  2012-03-19
  • 网络出版日期:  2025-03-08

目录

    /

    返回文章
    返回