典型文献
基于OCISVM的矿井通风系统在线故障诊断
文献摘要：
为解决矿井通风系统故障样本获取困难以及在线故障诊断研究相对匮乏的问题,填补应用传感器实时监测数据进行故障分支诊断的空白,构造一分类支持向量机(OC-SVM)与增量学习(IL)相结合的OCISVM模型.首先,在离线阶段,运用传感器监测到的正常样本数据构造分类超平面;然后,在线检测阶段,依据IL的思想,通过引入德尔塔函数更新分类超平面;最后,利用东山矿通风系统数据库验证并分析OCISVM模型.结果表明:该模型的故障分支诊断准确率可达96.5％,诊断时间开销在毫秒级,在处理不平衡数据时稳定性更高.
文献关键词：
矿井通风系统;一分类支持向量机(OC-SVM);增量学习(IL);故障诊断;监测数据
中图分类号：
作者姓名：
赵丹;沈志远;刘晓青
作者机构：
辽宁工程技术大学安全科学与工程学院,辽宁阜新123000;辽宁工程技术大学矿山热动力灾害与防治教育部重点实验室,辽宁葫芦岛125105
文献出处：
引用格式：
[1]赵丹;沈志远;刘晓青-.基于OCISVM的矿井通风系统在线故障诊断)[J].中国安全科学学报,2022(10):76-82
A类：
OCISVM
B类：
矿井通风系统,在线故障诊断,系统故障,诊断研究,一分类支持向量机,增量学习,离线阶段,传感器监测,超平面,在线检测,德尔塔,东山,系统数据库,诊断准确率,诊断时间,开销,毫秒,不平衡数据
AB值：
0.23817
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。
