基于多类支持向量机的汽轮发电机组故障诊断
故障诊断实现的瓶颈之一是故障样本的缺乏.支持向量机方法是专门针对小样本情况的,其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值.两类支持向量机(SVM)用于模式识别具有最优的推广能力,对于常见的多类识别问题,需要构造多类SVM.该文基于决策树的构造方法构成多类SVM(DTSVM),在小样本情况下对汽轮发电机组故障诊断进行了仿真研究,结果表明了该方法的有效性.
支持向量机 分级聚类法 决策树 故障诊断 汽轮发电机组
毛继佩 翟永杰 韩璞 秦喜安
华北电力大学动力工程系(河北保定) 河北邯郸马头发电总厂(河北邯郸)
国内会议
广西北海
中文
360-363
2003-11-01（万方平台首次上网日期，不代表论文的发表时间）