摘要：以往辨识方法无法正确选择有效特征,导致辨识精准度较低,为了改善该问题,提出了基于学习机器支持向量机的大型实验仪器设备异常运行状态辨识方法。根据时域统计均值、方差、均方根值特征量,消除次要参量干扰,提取特征集中最优参量。通过核函数将最优参量映射到核空间中,形成映射向量。依据识别函数在特征空间中构造时频平面,采用多分类支持向量机对映射向量进行训练与自学习,将训练与学习结果作为设备异常状态的辨识标准。确定异常状态辨识因子,结合辨识标准,完成大型实验仪器设备异常运行状态辨识。通过实验对比结果可知,该方法辨识精准度较高,为大型实验仪器设备安全使用提供依据。

简介：《电子设计工程》（CN：61-1477/TN）是一本有较高学术价值的大型半月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社