基于一类支持向量机的传感器故障诊断

计算机工程与应用 ›› 2006, Vol. 42 ›› Issue (19): 1-3.

• 博士论坛 • 下一篇

基于一类支持向量机的传感器故障诊断

钟清流,蔡自兴

湖南大学计算机与通信学院

收稿日期:2006-04-21 修回日期:1900-01-01 出版日期:2006-07-01 发布日期:2006-07-01
通讯作者: 钟清流 zqlllj

Sensor Fault-Diagnoses Based-on One-Class SVM

,ZiXing Cai

湖南大学计算机与通信学院

Received:2006-04-21 Revised:1900-01-01 Online:2006-07-01 Published:2006-07-01

摘要/Abstract

摘要： 摘要: 提出一种基于一类支持向量机的传感器故障诊断方法,它利用相空间重构技术将传感器本身获取的相关时序数据转化成矢量,再用一类支持向量机来训练正常行为模型,进而通过发现数据异常来进行故障诊断.通过连续输入测量数据,它还可以实现在线诊断.仿真实验表明:该方法在诊断传感器故障方面有良好的性能.

关键词: 一类支持向量机, 传感器, 故障诊断

Abstract: Abstract: A method of fault-diagnoses for sensor based-on one-class SVM has been put forward, which transforms the time-series data from sensor into vector by means of the technology about reproduction in phase-space ,and trains normal-action model with one-class SVM and implements fault-diagnoses by finding abnormity data. The online-diagnoses can be implemented by continuously importing measuring data.The simulation-experiments have shown, it has nicer performance in sensor fault-diagnoses .

Key words: One-class SVM , sensor, fault-diagnoses

钟清流,蔡自兴. 基于一类支持向量机的传感器故障诊断[J]. 计算机工程与应用, 2006, 42(19): 1-3.

,ZiXing Cai. Sensor Fault-Diagnoses Based-on One-Class SVM[J]. Computer Engineering and Applications, 2006, 42(19): 1-3.

[1]	陶启生, 彭成, 满君丰, 刘翊. 用于轴承故障诊断的两步迁移学习法[J]. 计算机工程与应用, 2022, 58(2): 303-312.
[2]	陈红花, 岑健, 刘溪, 杨卓洪. 深度学习在化学流程工业故障诊断的研究进展[J]. 计算机工程与应用, 2022, 58(13): 48-62.
[3]	邱颖豫, 张柯, 杨欣毅. 面向旋转机械故障诊断的深度流形迁移学习[J]. 计算机工程与应用, 2022, 58(12): 289-298.
[4]	张先才, 张足生, 李益广, 郭小红, 陈伟. 基于脉冲相干雷达的车辆检测算法[J]. 计算机工程与应用, 2022, 58(10): 276-282.
[5]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[6]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[7]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[8]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[9]	成怡，郝密密. 改进深度强化学习的室内移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(21): 256-262.
[10]	钱文博，熊建斌，岑健，王颀，余得正，吴润杰. 建筑电气系统故障诊断综述[J]. 计算机工程与应用, 2021, 57(16): 27-39.
[11]	王一凡，鲁慧民，高若然，李阳. 手指静脉图像感兴趣区域提取研究综述[J]. 计算机工程与应用, 2021, 57(13): 34-42.
[12]	巩俊辉，胡晓辉，杜永文. 基于演化博弈的最优防御策略选取研究[J]. 计算机工程与应用, 2021, 57(13): 116-123.
[13]	孙泽宇，董汉磊，苏艳超，徐琛，聂雅琳，李传锋. 传感网中基于能量有效的多参数数据重构方法[J]. 计算机工程与应用, 2021, 57(11): 103-110.
[14]	唐登平，蔡文嘉，邹立，胡翔，丁黎，王雪. 改进卷积神经网络在互感器故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(11): 239-247.
[15]	衷路生，刘东东. 多级神经网络的轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(7): 193-199.

基于一类支持向量机的传感器故障诊断

Sensor Fault-Diagnoses Based-on One-Class SVM

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics