27、工业故障诊断与喷射灌浆力学性能预测研究

工业故障诊断与喷射灌浆力学性能预测研究

在工业领域，准确诊断机器故障以及合理评估土壤改良材料的力学性能至关重要。本文将围绕基于支持向量机（SVM）集成的工业机器故障诊断和利用数据挖掘技术估计喷射灌浆实验室配方力学性能这两个方面展开探讨。

1. 基于特征和超参数变化的SVM集成用于工业机器故障诊断

在工业机器故障诊断中，研究人员对SVM分类器集成进行了研究，其中分类器在特征集和SVM参数上有所不同。

1.1 5×2交叉验证估计结果

通过5×2交叉验证估计过程，对每种考虑的故障，在测试数据上估计了AUC（曲线下面积）。结果表明：
- SVM集成在特征和参数变化方面比仅基于特征变化的SVM集成或单个SVM具有更高的预测精度。
- 在改变SVM集成参数的两种研究方法中，调整每个分类器参数的方法通常比使用预定义不同SVM参数值的方法提供更高的估计精度。
- 基于BSFS的方法（BSFS - not、BSFS - rep和BSFS - tun）比基于GEFS的方法（GEFS - not、GEFS - rep和GEFS - tun）实现了更高的预测精度。特别是，改变由BSFS构建的集成的SVM参数，尤其是BSFS - tun方法，能有效提高精度。

Fault classifier	SVM - s	GEFS - not	BSFS - not	GEFS - rep	BSFS - rep	GEFS - tu