机械工业论文_基于SVM-Clara模型的机械设备状-信号处理

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

机械工业论文_基于SVM-Clara模型的机械设备状

作者:

关键词:

摘要：

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

文章来源：《信号处理》网址: http://www.xhclzz.cn/qikandaodu/2022/0129/670.html