支持向量机决策树分类器在转子故障诊断中的应用

摘要：

支持向量机在机械故障诊断中应用广泛,但传统的支持向量机在解决多类分类问题时存在拒识区域等问题。本文针对这些不足,提出一种支持向量机决策树(support VectorMachine—based Decision Tree,SVMDT)分类器.该方法采用等效距离作为分叉度量标准,更能反映样本类的可分性。训练时从树叶向树根生长,寻找具有最小等效距离的两个局部类簇进行分叉,最终得到一棵相对平衡的分类二叉树。分类时从树根向树叶进行分类,决策空间按SVM的优先级严格划分,故不会出现拒识区域。将SVMDT应用于转子故障诊断中,实验结果证明,与BP神经网络相比,该方法具有训练速度快,诊断精度高等特点。

关键词： 机械故障 故障诊断 数据处理 支持向量机

作者: 王冉 陈进

作者单位: 上海交通大学 机械系统与振动国家重点实验室,上海 200240

会议类型: 国内会议

会议名称: 2010年全国振动工程及应用学术会议(暨第十二届全国设备故障诊断学术会议、第二十三届全国振动与噪声控制学术会议)

会议地点: 沈阳

会议语种:中文

页码: 258-260

在线出版日期: 2010-08-15（万方平台首次上网日期，不代表论文的发表时间）