典型文献
基于SVM-Clara模型的机械设备状态监测方法
文献摘要：
对工业机械设备的状态进行及时监测,可以极大程度地降低企业因工业设备故障带来的损失.以传统的设备状态监测方法为基础,结合机器学习中的SVM支持向量机算法与Clara聚类算法,首次提出了基于SVM-Clara模型的机械设备状态监测方法.通过仿真实验,首先得到了SVM-Clara模型的最高效率为96.9％,最佳训练数据量为7000,此时模型最高的聚类效率为32.07％;接着再与传统的三种机械设备状态监测方法进行横向对比,得出SVM-Clara模型的理论准确率为95.8333％,证明了基于SVM-Clara模型的机械设备状态监测方法的准确性与高效性.
文献关键词：
状态监测;信号处理;SVM支持向量机;Clara算法
中图分类号：
作者姓名：
李锐
作者机构：
湖南科技大学数学与计算科学学院,湖南 湘潭 411201
文献出处：
引用格式：
[1]李锐-.基于SVM-Clara模型的机械设备状态监测方法)[J].工业控制计算机,2022(01):47-49,51
A类：
B类：
Clara,机械设备,设备状态监测,监测方法,工业机械,工业设备,设备故障,支持向量机算法,聚类算法,训练数据,数据量,横向对比,信号处理
AB值：
0.197575
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
