机械工业论文_基于SVM-Clara模型的机械设备状
文章目录
1 基本的设备状态测试方法
1.1 整体流程
1.2 冗余信号处理法
1.3 校准流信号法
1.4 系列信号法
1.5 等权平均取值
2 基于机器学习的机械设备状态监测方法
2.1 数据预处理
2.2 回归与聚类模型
3 仿真实验
3.1 数据来源
3.2 实验结果
3.3 实验结果分析
4 结束语
文章摘要: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。
文章关键词:
论文分类号:TH17
