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

• 全文链接
• 请求原文

作   者：

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;  昆明理工大学机电工程学院; 

关键词：

支持向量机;  特征加权;  故障诊断;  K近邻算法;  水泵; 

期刊名称：

机械科学与技术

i s s n：

1003-8728

年卷期：

2022 年 41 卷 003 期

页   码：

349-356

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.