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KPCA和PSO-SVM方法的齿轮裂纹故障信号诊断 被引量：4
1
作者 于松鹤 王亚楠 +2 位作者 路泽永 王康康 李峰 《机械设计与研究》 CSCD 北大核心 2023年第2期95-98,共4页
为了进一步提高齿轮裂纹故障诊断精度,设计了一种基于KPCA和PSO-SVM方法的齿轮裂纹故障信号诊断方法。对时频域进行特征降维处理时通过主成分分析(PCA)的方式实现高维信号噪声。为了抑制支持向量机(SVM)算法分类精度低问题,引入粒子群算... 为了进一步提高齿轮裂纹故障诊断精度,设计了一种基于KPCA和PSO-SVM方法的齿轮裂纹故障信号诊断方法。对时频域进行特征降维处理时通过主成分分析(PCA)的方式实现高维信号噪声。为了抑制支持向量机(SVM)算法分类精度低问题,引入粒子群算法(PSO)进行加强,并使SVM算法获得更优的核函数。研究结果表明:以SVM-PSO算法进行处理时相对其它算法表现出了更高的精度,能够满足优异的分析性能。以SVM-PSO算法进行处理时的精度最高,能够满足高稳定性要求,所需计算时间也较合适,PSO方法有助于算法分类精度及效率都获得显著提升。样本数对处理时间影响很大,综合判定训练样本数设置1600是相对比较合理的。采用时域特征时会导致分类精度下降,外频域特征相对时域特征可以达到更高的精度。 展开更多
关键词 齿轮裂纹 故障诊断 主成分分析 支持向量机 粒子群优化
原文传递
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