唐刚：基于SVM的岸桥起升电动机工作状态分类论文

本文主要研究内容

作者唐刚,李庆中,胡雄（2019）在《基于SVM的岸桥起升电动机工作状态分类》一文中研究指出：为解决岸桥起升电动机的状态识别和实时监测问题,分析起升电动机的大量样本集,提出基于标准差的模糊C均值(standard deviation-based fuzzy C-means,S-FCM)聚类算法对起升电动机的状态进行聚类分析,并构建两种SVM模型。实验结果表明:起升电动机振动烈度可以聚类为4类。对两种SVM模型进行对比和验证,选出最理想的实时监测模型。该方法可以为设备维护保养提供依据并且可以实时在线监测岸桥起升电动机的工作状态。

Abstract

wei jie jue an qiao qi sheng dian dong ji de zhuang tai shi bie he shi shi jian ce wen ti ,fen xi qi sheng dian dong ji de da liang yang ben ji ,di chu ji yu biao zhun cha de mo hu Cjun zhi (standard deviation-based fuzzy C-means,S-FCM)ju lei suan fa dui qi sheng dian dong ji de zhuang tai jin hang ju lei fen xi ,bing gou jian liang chong SVMmo xing 。shi yan jie guo biao ming :qi sheng dian dong ji zhen dong lie du ke yi ju lei wei 4lei 。dui liang chong SVMmo xing jin hang dui bi he yan zheng ,shua chu zui li xiang de shi shi jian ce mo xing 。gai fang fa ke yi wei she bei wei hu bao yang di gong yi ju bing ju ke yi shi shi zai xian jian ce an qiao qi sheng dian dong ji de gong zuo zhuang tai 。

论文参考文献

[1].基于模糊信息粒与SVM的道路交通状态波动分析[J]. 陆百川,李晓璐,郭桂林,黄梨力. 重庆交通大学学报(自然科学版).2017(07)

[2].基于改进的SVM的短时交通流预测[J]. 唐世星,柯凤琴. 煤炭技术.2012(05)

[3].基于优化SVM的高速公路交通事件检测[J]. 沈舒,吴聪,李勃,陈启美. 电子测量技术.2012(05)

[4].基于SVM的隧道涌水来源识别[J]. 刘建,刘丹. 水文地质工程地质.2012(05)

[5].基于SVM的出行方式特征分析和识别研究[J]. 汪磊,左忠义,傅军豪. 交通运输系统工程与信息.2014(03)

[6].SVM方法在公路涵洞震害预测中的应用[J]. 谭潇,杜鹏. 世界地震工程.2016(03)

[7].基于SVM分类器的道路湿滑图像分类方法研究[J]. 刘新宇,黄德启. 武汉理工大学学报(交通科学与工程版).2011(04)

[8].岩质边坡落石运动特征参数分析及SVM预测模型[J]. 周爱红,王帅伟,袁颖,尹超. 公路交通科技.2017(03)

[9].基于粒子群优化SVM的高速公路交通事件检测[J]. 胡丹龙,余立建,杨阳. 交通科技与经济.2013(02)

[10].基于SVM的交通事件检测技术[J]. 陈维荣,关佩,邹月娴. 西南交通大学学报.2011(01)

论文详细介绍

论文作者分别是来自上海海事大学学报的唐刚,李庆中,胡雄，发表于刊物上海海事大学学报2019年02期论文，是一篇关于起升电动机论文,模糊均值聚类论文,工况分类论文,支持向量机论文,上海海事大学学报2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自上海海事大学学报2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。

本文来源: https://www.lw00.cn/article/f2c896a0b72408c27e108fb2.html