论文部分内容阅读
针对设备故障信号的微弱和噪声干扰严重问题，提出了基于奇异值分解和支持向量机的故障诊断方法。利用聚类分析的方法预处理设备的状态信号，剔除信号的异常点，以提高信号的准确性。对预处理后的信号进行构造矩阵和奇异值分解，选择恰当的窗口长度，以奇异值作为信号特征。支持向量机对信号特征进行识别和分类，为了避免支持向量机在多状态分类中输出的不确定性，记录支持向量机的训练输出作为决策表。支持向量机测试时的输出与决策表比对，以提高诊断结果的可靠性。最后，通过对比试验验证了基于奇异值分解和支持向量机的方法可以对设备进行可靠、准