全站搜索
齿轮磨损四种故障工况前20组特征向量为测试集
作者:管理员    发布于:2014-04-01 10:58:18    文字:【】【】【
    将正常工况剩余的20组特征向量及轴承磨损、气穴故障、侧板磨损、河北曝气器齿轮磨损四种故障工况前20组特征向量为测试集,在训练好的SVDD模型上进行测试,横坐标为特征向量样本序号,纵坐标为距离测度εa=R2x-R2,横线表示故障检测阈值。    
    基于SVDD与距离测度的单分类器模型,能较好将正常工况与故障工况区分开,只要存在四种故障中的任一种,SVDD模型均能准确检测到。此外,正常工况样本识别出18个,识别率90,且正常工况样本类内分散度较小,因此差别较小。
    故障工况样本则完全正确识别,识别率100.但由距离测度知,四种故障工况样本重叠在一起,即使检测出存在故障,也无法将这几种状态正确区分开,即无法准确判断出存在哪种故障。因此,基于SVDD及距离测度的单值分类器并不适合进行多工况混合识别。为实现多工况混合识别,各选取正常状态、轴承磨损、河北填料气穴故障、侧板磨损和齿轮磨损五种工况前20组特征向量样本构造5个训练集,先按3.2节方法分别单独训练5个SVDD单值分类器。
访问统计
51客服