资源简介
采用小波包分析和支持向量机来诊断电机故障。针对电机中常见的故障,如电机振动故障,电机转子断条故障,电机转子偏心故障等,进行频谱分析,提取故障信号在动态条件下各频带能量作为故障特征向量。构建多个最小二乘支持向量机组成的多值故障分类器,将故障特征向量作为学习样本,并且输入支持向量机进行训练,分类器可以建立故障特征向量和故障类型的映射关系,从而达到电机故障诊断的目的。
代码片段和文件信息
相关资源
- 机器学习SVM(支持向量机)实验报告
- 遗传算法优化支持向量机
- 支持向量机
- 支持向量机学习笔记
- coursera斯坦福机器学习公开课支持向量
- SVM(支持向量机)入门 (深入浅出讲
- 支持向量机与神经网络的区别
- 自适应迭代最小二乘支持向量机回归
- 支持向量机用于遥感影像分类
- 支持向量机参数优化.rar
- SVR支持向量机回归原理解析.pdf
- SVM(支持向量机)实现数据的三分类
- 支持向量机简介ppt
- SVM支持向量机分类鸢尾花数据集iris及
- LS_SVMlib支持向量机安装包
- 支持向量机libsvm-2.88(最新版
- 基于后验概率加权的模糊支持向量机
- 支持向量机线性核函数、非线性核函
- 支持向量机SVM多分类算法实现
- 支持向量机小波核函数
- 葡萄酒支持向量机SVM分类
- 孪生支持向量机
- 多输出支持向量机(multioutput svm)
- 代价敏感支持向量机(CSSVM)
- 支持向量机的研究现状与进展
- 基于支持向量机的人口增长预测模型
- 支持向量机一对一多分类
- 支持向量机大牛Vapnik的两篇论文
- 基于最小二乘支持向量机的负荷预测
- 支持向量机实战代码全
评论
共有 条评论