期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SABO-VMD-Adaboost-RF的直流电机噪声源识别
1
作者
祁丽春
《常熟理工学院学报》
2025年第2期75-83,共9页
原始噪声信号中包含了多种电机噪声激励源以及环境噪声,使得从信号中识别出各个噪声源变得困难.为解决这一问题,本研究提出了一种基于SABO(Subtraction-Average-Based Optimizer,SABO)优化算法的变分模态分解(Variational Mode Decompos...
原始噪声信号中包含了多种电机噪声激励源以及环境噪声,使得从信号中识别出各个噪声源变得困难.为解决这一问题,本研究提出了一种基于SABO(Subtraction-Average-Based Optimizer,SABO)优化算法的变分模态分解(Variational Mode Decomposition,VMD)结合经过增强学习(Adaboost)迭代优化的随机森林(Random Forest,RF)的方法.首先,通过SABO优化算法寻找VMD的最佳参数并代入VMD算法中,利用优化后的VMD对原始信号进行处理.然后对数据进行特征提取,并利用Adaboost算法对随机森林RF进行迭代优化,最后利用优化后的RF对这些特征数据进行训练和分类识别.结果表明,该方法能够准确地识别出电机的正常噪声信号、由转子不平衡引起的机械振动噪声过大的信号、由径向电磁力波引起的噪声过大的信号和由轴承装配不稳产生的噪声信号,为直流电机降噪及结构优化提供了理论依据.
展开更多
关键词
直流电机
噪声源识别
SABO优化算法
变分模态分解
增强学习
随机森林
在线阅读
下载PDF
职称材料
题名
基于SABO-VMD-Adaboost-RF的直流电机噪声源识别
1
作者
祁丽春
机构
江苏联合职业技术学院常熟分院
出处
《常熟理工学院学报》
2025年第2期75-83,共9页
文摘
原始噪声信号中包含了多种电机噪声激励源以及环境噪声,使得从信号中识别出各个噪声源变得困难.为解决这一问题,本研究提出了一种基于SABO(Subtraction-Average-Based Optimizer,SABO)优化算法的变分模态分解(Variational Mode Decomposition,VMD)结合经过增强学习(Adaboost)迭代优化的随机森林(Random Forest,RF)的方法.首先,通过SABO优化算法寻找VMD的最佳参数并代入VMD算法中,利用优化后的VMD对原始信号进行处理.然后对数据进行特征提取,并利用Adaboost算法对随机森林RF进行迭代优化,最后利用优化后的RF对这些特征数据进行训练和分类识别.结果表明,该方法能够准确地识别出电机的正常噪声信号、由转子不平衡引起的机械振动噪声过大的信号、由径向电磁力波引起的噪声过大的信号和由轴承装配不稳产生的噪声信号,为直流电机降噪及结构优化提供了理论依据.
关键词
直流电机
噪声源识别
SABO优化算法
变分模态分解
增强学习
随机森林
Keywords
DC motor
identification of noise sources
SABO optimization algorithm
Variational Mode Decomposition
enhanced learning
Random Forest
分类号
TN820.1 [电子电信—信息与通信工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于SABO-VMD-Adaboost-RF的直流电机噪声源识别
祁丽春
《常熟理工学院学报》
2025
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
