关键词：K近邻算法;支持向量机;特征加权;水泵;故障诊断
摘 要：针对实际运行环境下的工业水泵具有工况数据量大、运行时间长、特征类型多等特点，提出一种基于特征加权的高斯加权K近邻-支持向量机（GWKNN-SVM）的组合故障诊断分类算法。首先通过对某化工厂三台水泵5个月份的运行采集数据进行特征提取和清洗，然后分别使用高斯加权K近邻算法（GWKNN）-支持向量机算法（SVM）对数据进行快速粗分类和边界数据细分类，以提高水泵故障分类精度和识别效率。最后通过仿真实例比较了相同条件下GWKNN-SVM算法和其他分类算法的故障分类效果。试验结果表明，该组合分类方法能够有效提高水泵工况的故障分类精度，从而实现工业环境下的水泵健康监测。
内 容：原文可通过湖北省科技信息共享服务平台（http://hbstl.hbstd.gov.cn/webs/homepage.jsp)获取