典型文献
特征加权的高斯加权K近邻-支持向量机的水泵故障诊断方法
文献摘要：
针对实际运行环境下的工业水泵具有工况数据量大、运行时间长、特征类型多等特点,提出一种基于特征加权的高斯加权K近邻-支持向量机(GWKNN-SVM)的组合故障诊断分类算法.首先通过对某化工厂三台水泵5个月份的运行采集数据进行特征提取和清洗,然后分别使用高斯加权K近邻算法(GWKNN)-支持向量机算法(SVM)对数据进行快速粗分类和边界数据细分类,以提高水泵故障分类精度和识别效率.最后通过仿真实例比较了相同条件下GWKNN-SVM算法和其他分类算法的故障分类效果.试验结果表明,该组合分类方法能够有效提高水泵工况的故障分类精度,从而实现工业环境下的水泵健康监测.
文献关键词：
K近邻算法;支持向量机;特征加权;水泵;故障诊断
中图分类号：
作者姓名：
陈瑞;杨春曦;翟持;龙超;陈飞
作者机构：
昆明理工大学 化学工程学院,昆明 650500;昆明理工大学 机电工程学院,昆明 650500
文献出处：
引用格式：
[1]陈瑞;杨春曦;翟持;龙超;陈飞-.特征加权的高斯加权K近邻-支持向量机的水泵故障诊断方法)[J].机械科学与技术,2022(03):349-356
A类：
GWKNN
B类：
特征加权,水泵,故障诊断方法,针对实际,实际运行,运行环境,工况数据,数据量,运行时间,故障诊断分类,分类算法,化工厂,三台,采集数据,近邻算法,支持向量机算法,数据细分,细分类,故障分类,分类精度,分类效果,该组,分类方法,泵工况,工业环境,健康监测
AB值：
0.333487
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。
