文献类型：期刊文章

作　　者：董志强[1] 刘永年[1] 魏丽华[1]

机构地区：[1]青岛市机械工业总公司

出　　处：《电子世界》

基　　金：青岛市自主创新重大专项(14-6-1-13-zdzx)

年　　份：2018

卷　　号：0

期　　号：2

起止页码：17-19

语　　种：中文

收录情况：普通刊

摘　　要：针对传统设备检测方法难以检测到自动化小车故障的问题,提出一种基于Adaboost提升支持向量机(Support Vector Machines,SVM)集成学习模型自动化小车故障诊断方法。首先以自动化小车的运行数据为基础,然后通过构造Adaboost-SVM集成学习模型,并将其应用于自动化小车故障检测中。Ada Boost能够自适应的提升SVM的分类性能,相对于传统的SVM分类器,Adaboost-SVM稳定性最好,故障诊断准确率最高。实验结果表明,Adaboost-SVM能有效的诊断自动化小车的故障。

关 键 词：集成学习模型  支持向量机 ADABOOST 全自动化码头  故障检测

分 类 号：TP391.4]