nach oben

Erschienen in:

2014 | OriginalPaper | Buchkapitel

Application of Twin Support Vector Machine for Fault Diagnosis of Rolling Bearing

verfasst von : Zhongjie Shen, Ningping Yao, Hongbo Dong, Yafeng Yao

Erschienen in: Mechatronics and Automatic Control Systems

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

The number of fault samples is only the small portion in the whole sample set. How to diagnose the rolling bearing fault accurately becomes a challenge in the unbalance sample set. Twin Support Vector machine (TWSVM) is applied into the bearing fault diagnosis in the study. It aims at generating two nonparallel planes in which each plane is closer to one of the two classes and is as far as possible from the other. The fault diagnosis experiments verify that TWSVM has higher accuracy and faster speed than Support Vector Machine, and identify the bearing fault well.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel An Automatic Clutch Engagement Strategy for Electric Vehicle Based on Fuzzy Control

Nächstes Kapitel Mid-term Load Forecasting Based on Modified Grey Model

Lei YG, He ZJ, Zi YY (2011) EEMD method and WNN for fault diagnosis of locomotive roller bearings. Expert Syst Appl 38(6):7334–7341CrossRef

Vapnik VN (1998) Statistical learning theory. Wiley, New York, pp 1–740MATH

Peng XJ (2011) TPMSVM: a novel twin parametric-margin support vector machine for pattern recognition. Pattern Recognit 44:2678–2692CrossRefMATH

Jayadeva KR, Chandra S (2007) Twin support vector machines for pattern classification. IEEE Trans Pattern Anal Mach Intell 29(5):905–910CrossRef

Singh M, Chadha J, Ahuja P, Jayadeva CS (2011) Reduced twin support vector regression. Neurocomputing 74:1474–1477CrossRef

Zhong P, Xu YT, Zhao YH (2012) Training twin support vector regression via linear programming. Neural Comput Appl 21(2):399–407CrossRef

Lee J, Qiu H, Yu G, Lin J (2007) Rexnord Technical Services, ‘Bearing Data Set’, IMS, University of Cincinnati, NASA Ames Prognostics Data Repository, http://ti.arc.nasa.gov/project/prognostics-data-repository, NASA Ames, Moffett Field

Qiu H, Lee J, Lin J, Yu G (2006) Wavelet filter-based weak signature detection method and its application on rolling element bearing prognostics. J Sound Vib 289:1066–1090CrossRef

Caesarendra W, Widodo A, Yang BS (2010) Application of relevance vector machine and logistic regression for machine degradation assessment. Mech Syst Signal Process 24:1161–1171CrossRef

Titel: Application of Twin Support Vector Machine for Fault Diagnosis of Rolling Bearing
verfasst von: Zhongjie Shen
Ningping Yao
Hongbo Dong
Yafeng Yao
Verlag: Springer International Publishing
Buch: Mechatronics and Automatic Control Systems
Print ISBN: 978-3-319-01272-8

Electronic ISBN: 978-3-319-01273-5

Copyright-Jahr: 2014
DOI: https://doi.org/10.1007/978-3-319-01273-5_17