基于KPCA-SVM颤振预报模式研究

被引：3

作者：

邵强 ^{[1
,2
]}

王璐 ^{[2
]}

康晶 ^{[2
]}

邵诚 ^{[1
]}

机构：

[1] 大连理工大学先进控制技术研究所

[2] 大连民族学院

来源：

煤矿机械 | 2009年 / 30卷 / 04期

关键词：

核主元函数; 支持向量机; 颤振; 预报; 模式识别;

D O I：

10.13436/j.mkjx.2009.04.050

中图分类号：

TG501 [切削原理与计算];

学科分类号：

摘要：

针对切削加工过程颤振孕育的动态模式,提出基于KPCA-SVM模型的颤振预报新方法。首先提取切削加工振动信号,进行FFT变换,使KPCA-SVM模型对变换后的切削实验数据进行学习、训练,得到KPCA-SVM识别模型;提取切削加工过程的振动信号,经过FFT变换后,得到其幅频特征量,送给KPCA-SVM模型进行颤振情况分析与识别。

引用

页码：58 / 60

页数：3

共 6 条

[1] 基于支持向量机的故障诊断方法研究
齐保林
李凌均
[J]. 煤矿机械, 2007, (01) : 182 - 184
[2] 旋转机械启动全过程DHMM故障诊断方法研究
丁启全
冯长建
李志农
吴昭同
[J]. 振动工程学报, 2003, (01) : 45 - 49
[3] 切削颤振在线监控的研究现状及进展
费仁元
王民
[J]. 中国机械工程, 2001, (09) : 115 - 119+8
[4] HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用[D]. 冯长建.浙江大学. 2002
[5] Nonlinear component analysis as a kernel eigenvalue problem
Scholkopf, B
Smola, A
Muller, KR
[J]. NEURAL COMPUTATION, 1998, 10 (05) : 1299 - 1319
[6] A tutorial on Support Vector Machines for pattern recognition
Burges, CJC
[J]. DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) : 121 - 167

← 1 →