期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进层次基本熵融合SMA-SVM模型的轴承故障诊断方法 被引量：4
1
作者 张捷 王华 孙顺红 《机电工程》 CAS 北大核心 2023年第7期1047-1053,1129,共8页
针对煤矿机械轴承的故障特征提取和故障状态识别问题,提出了改进层次基本熵(IHBSE)特征提取融合黏菌优化(SMA)—支持向量机(SVM)分类模型的煤矿机械轴承故障诊断方法。首先,引入了能够同时分析信号低频和高频信息的IHBSE方法,并将其用... 针对煤矿机械轴承的故障特征提取和故障状态识别问题,提出了改进层次基本熵(IHBSE)特征提取融合黏菌优化(SMA)—支持向量机(SVM)分类模型的煤矿机械轴承故障诊断方法。首先,引入了能够同时分析信号低频和高频信息的IHBSE方法,并将其用于捕捉不同状态下,煤矿机械轴承振动信号中的多维故障特征,构建了特征向量;然后,采用具有优异全局寻优性能的黏菌算法,对支持向量机的惩罚系数和核函数的最佳值进行了搜索,提出了黏菌算法—支持向量机(SMA-SVM)模型;最后,利用部分特征样本对诊断模型进行了训练,并采用训练完毕的具有最佳参数的SMA-SVM分类器,进行了轴承故障类型和严重程度的判断。研究结果表明:所提出的煤矿机械轴承故障诊断方法可以有效地识别煤矿机械轴承的运行状态,分类准确率达到了1,而在多次实验下的平均准确率也高于0.98,对实际工程应用具有一定的参考价值。 展开更多
关键词 煤矿机械轴承 故障诊断 改进层次基本熵 黏菌优化算法 支持向量机 故障状态识别
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部