購物車(0)
基于ESMD熵融合與PSO-SVM的電機(jī)軸承故障診斷
關(guān)鍵詞：熵融合 故障診斷
摘要：為提高電機(jī)軸承故障診斷的準(zhǔn)確性,提出了一種基于極點(diǎn)對稱模態(tài)分解算法(Extreme-point Symmetric Mode Decomposition,ESMD)熵融合與粒子群算法(PSO)優(yōu)化支持向量機(jī)(SVM)的診斷方法。首先采用ESMD將故障數(shù)據(jù)分解獲得數(shù)個固有模態(tài)分量(Intrinsic Mode Function,IMF),根據(jù)相關(guān)性篩選IMF并計算其多種特征熵;采用核主成分分析(KPCA)用于融合特征熵,增大區(qū)分度;利用PSO尋優(yōu)SVM參數(shù),提高故障識別率。最后通過試驗(yàn)分析表明,該方法可有效提取電機(jī)軸承故障特征并精確判別出故障類型,與其它方法相比識別率較高。
大電機(jī)技術(shù)雜志要求:
{1}作者姓名置于篇名下方居中。譯文的署名，應(yīng)著者在前，譯者在后，著者前用方括號標(biāo)明國籍。
{2}稿件必須用字規(guī)范，標(biāo)點(diǎn)符號、計量單位、數(shù)字用法、圖表等應(yīng)符合國家有關(guān)標(biāo)準(zhǔn)和規(guī)定。
{3}請勿一稿多投，自投稿之日起1個月內(nèi)未收到采用意見，作者可自行處理。
{4}文章標(biāo)題應(yīng)簡明、確切、概括文章要旨，一般不超過20字，必要時可加副標(biāo)題名。
{5}中文摘要一般限在200字以內(nèi)，包括研究工作的主要對象和范圍，采用的手段和方法，得出的結(jié)果和重要的結(jié)論，關(guān)鍵詞一般3~5個。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
