北京市重点实验室(030314)
- 作品数：6 被引量：76H指数：4
- 相关作者：王红军徐小力张建民许宝杰更多>>
- 相关机构：北京理工大学北京信息科技大学北京机械工业学校更多>>
- 发文基金：国家自然科学基金北京市重点实验室北京市自然科学基金更多>>
- 相关领域：机械工程自动化与计算机技术石油与天然气工程更多>>
- 设备状态趋势的SVM预示技术研究被引量：10
- 2006年
- SVM采用结构风险最优化准则,预示推广能力强并有很好的鲁棒性。分析了SVM技术的理论,推导了SVM进行机电设备趋势预测的理论算法,给出了进行预测的步骤,建立了SVM用于故障趋势预示的模型。将该模型用于某机组振动烈度的预示,进行了不同核函数和不同C值和ε值的比较,证明采用径向基函数和适当的损失函数,取得了较好的预测效果。并将SVM与AR模型的提前20步预测结果进行了比较。结果证明该算法对设备状态的趋势具有较好的预示能力。
- 王红军徐小力张建民
- 关键词：SVM
- 面向机电系统状态监测与故障诊断的现代技术被引量：36
- 2004年
- 以现代技术为主线综述了机电系统运行状态监测与故障诊断技术的进展,阐述了机电系统运行状态监测与故障诊断方法及系统的发展;从技术流程的角度归纳了信号采集技术、信号分析与处理方法、故障诊断方法和机电系统状态趋势预测的先进技术;展望了基于网络的异地设备运行状态的远程监测与诊断技术以及基于虚拟仪器的监测与诊断仪器系统的新兴技术发展前景.
- 张建民徐小力许宝杰王红军
- 关键词：机电系统故障诊断
- 基于SVM的注水机组状态预示技术研究被引量：3
- 2006年
- 油田大型注水机组在连续运转过程中,由于其自身的因素以及受外界条件的干扰,其运行常处于非线性非平稳状态。在充分研究和比较多种设备状态预示方法的基础上,提出一种基于支持向量机(Support Vector Machine,SVM)的状态预测新方法。该方法应用最终预报误差(FinalPrediction Error,FPE)准则确定样本的嵌入维数。通过比较SVM预测模型与自回归预测模型的单步和多步预测结果,证明基于SVM的预测方法在较长区间内具有良好的预测效果。用SVM预测大庆油田旋转注水机组时域的振动烈度,取得了较好预测效果,证明该算法能有效提高预测精度。
- 王红军张建民徐小力
- 关键词：注水机组SVMVECTOR
- 机电设备趋势状态的支持向量机智能预示被引量：4
- 2005年
- 将支持向量机用于某机组振动烈度的预示,并运用FPE(FinalPredictionError)准则优化嵌入维数,采用径向基函数和适当的损失函数,取得了较好的预测效果,证明该算法对机电设备运行状态的监测与故障趋势具有较好的预示能力。
- 王红军张建民徐小力
- 关键词：支持向量机
- 支持向量机理论在设备状态趋势预测上的应用研究被引量：11
- 2005年
- 论述了支持向量机(supportvectormachine)的分类和回归算法,并对近年来SVM在设备状态趋势预测方面的应用进行了分析,指出了其应用研究中的优点和不足,展望了SVM在设备状态趋势预测方面的研究前景.
- 王红军徐小力
- 关键词：支持向量机
- 机电设备故障诊断和趋势预测的支持向量机方法被引量：12
- 2005年
- 分析了支持向量机(Support Vector Machine-SVM)的分类和回归算法。对近年来SVM在设备故障诊断和趋势预测方面的应用进行了回顾,给出了SVM用于设备状态趋势预测的模型和算法。采用AR(Auto Regressive)模型和SVM模型进行实验台的振动烈度的预测,表明SVM模型具有长区间预测精度高的特点。讨论了SVM在设备故障诊断和趋势预测研究的发展前景。
- 王红军徐小力
- 关键词：支持向量机
