| 基于SVM的RBF的研究及其应用 |
| |
| 引用本文： | 虞国全.基于SVM的RBF的研究及其应用[J].科技广场,2013(5):170-173. |
| |
| 作者姓名： | 虞国全 |
| |
| 作者单位： | 南昌理工学院计算机系,江西南昌,330044 |
| |
| 摘 要： | 在机械设备的故障诊断中,常采用RBF神经网络算法对故障进行诊断和计算,但该算法实现故障诊断必须有大量的故障样本,同时还有训练速度慢、结构确定难、容易陷入局部极小、泛化能力差等缺点。相反,SVM不仅能解决小样本的问题,并且还有全局最优、泛化能力强等优点。为此,本文提出一种基于SVM的RBF神经网络的优化方法,并将它应用齿轮箱中的齿轮故障诊断,取得了良好的预期效果。
|
| 关 键 词： | SVM RBF 故障诊断 |
Research and Applications Based on SVM and RBF |
| |
| Yu Guoquan.Research and Applications Based on SVM and RBF[J].Science Mosaic,2013(5):170-173. |
| |
| Authors: | Yu Guoquan |
| |
| Institution: | Yu Guoquan(Department of Computer,Nanchang Institute of Technology,Jiangxi Nanchang 330044) |
| |
| Abstract: | |
| |
| Keywords: | SV M R B F FaultD iagnosis |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
