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
3
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
数据特征选择与分类在机械故障诊断中的应用
被引量：
6
1
作者
李帅位
张栋良
+1 位作者
黄昕宇
陈璞
《振动与冲击》
EI
CSCD
北大核心
2020年第2期218-222,共5页
针对机械故障数据的高维性和不平衡性,提出基于格拉斯曼流形的多聚类特征选择和迭代近邻过采样的故障分类方法。对采集到的振动信号,提取时域和频域相关特征,利用多聚类特征选择将高维数据以局部流形结构映射到低维特征集合。无标签样...
针对机械故障数据的高维性和不平衡性,提出基于格拉斯曼流形的多聚类特征选择和迭代近邻过采样的故障分类方法。对采集到的振动信号,提取时域和频域相关特征,利用多聚类特征选择将高维数据以局部流形结构映射到低维特征集合。无标签样本借助迭代近邻过采样以恢复最大平衡性为目标进行样本分类,并对剩余无标签样本进行模糊分类。选取滚动轴承正常、外圈、内圈以及滚动体的故障数据,并与支持向量机、基于图的半监督学习算法进行对比。结果表明,提出的方法能有效识别出少数类故障,并在整体上有显著的分类效果。
展开更多
关键词
格拉斯曼流形
多聚类特征选择
迭代近邻过采样
模糊分
类
半监督学习
在线阅读
下载PDF
职称材料
基于改进层次全局模糊熵和MCFS的滚动轴承损伤识别
被引量：
3
2
作者
柏世兵
林金亮
杨玉华
《机电工程》
CAS
北大核心
2023年第7期1024-1030,共7页
针对传统的多尺度特征提取方法无法捕捉振动信号高频故障信息的问题,提出了一种基于改进层次全局模糊熵(IHGFE)全局全频段特征提取、多聚类特征选择(MCFS)特征降维和支持向量机分类的滚动轴承故障诊断方法。首先,提出了能够捕捉振动信...
针对传统的多尺度特征提取方法无法捕捉振动信号高频故障信息的问题,提出了一种基于改进层次全局模糊熵(IHGFE)全局全频段特征提取、多聚类特征选择(MCFS)特征降维和支持向量机分类的滚动轴承故障诊断方法。首先,提出了能够捕捉振动信号低频到高频的全局特征的IHGFE非线性动力学方法,并将其用于滚动轴承的故障特征提取;然后,利用MCFS对初始特征向量进行了维数约简和优化,构建了低维且对故障敏感的故障特征向量;最后,建立了基于支持向量机的多故障分类器,实现了滚动轴承损伤的智能化识别,并通过两个滚动轴承实验进行了对比分析。研究结果表明:IHGFE的分类准确率和识别稳定性均优于对比方法,证明了其在特征提取中能够在一定程度上解决现有方法无法同时考虑信号的高频特征和全局特征的问题,可为进一步扩展模糊熵方法在滚动轴承损伤识别中的应用提供参考。
展开更多
关键词
轴承故障诊断
改进层次全局模糊熵
多聚类特征选择
支持向量机
特征
降维
故障分
类
器
在线阅读
下载PDF
职称材料
基于IMIE、MCFS和SSA-ELM的离心泵故障诊断方法
被引量：
4
3
作者
辜文娟
张扬
《机电工程》
CAS
北大核心
2023年第9期1456-1463,共8页
采用多尺度排列熵对离心泵振动信号进行分析时,存在忽略信号幅值信息以及粗粒化处理存在不足的问题,从而导致离心泵的故障识别准确率不高,为此,提出了一种基于改进多尺度增长熵(IMIE)、多聚类特征选择(MCFS)和麻雀搜索算法优化极限学习...
采用多尺度排列熵对离心泵振动信号进行分析时,存在忽略信号幅值信息以及粗粒化处理存在不足的问题,从而导致离心泵的故障识别准确率不高,为此,提出了一种基于改进多尺度增长熵(IMIE)、多聚类特征选择(MCFS)和麻雀搜索算法优化极限学习机(SSA-ELM)的离心泵故障诊断方法。首先,基于改进粗粒化处理,提出了改进多尺度增长熵(IMIE)方法,将其用于提取故障特征,构造了反映离心泵损伤属性的特征矩阵;随后,采用多聚类特征选择(MCFS),对原始故障特征进行了重要性排序,获得了对分类识别贡献度更高的故障特征,提高了故障特征的质量;最后,将低维的敏感特征输入至基于麻雀搜索算法(SSA)的极限学习机(ELM)中,进行了离心泵故障分类,完成了离心泵不同故障类型的识别任务;并采用离心泵故障数据集,对基于IMIE、MCFS和SSA-ELM的故障诊断方法的有效性进行了实验验证。研究结果表明:所提故障诊断方法的故障识别准确率达到了100%,多次实验的平均准确率和标准差也优于其他对比的故障诊断方法,即IMIE能够准确地提取信号中的故障信息,进而表征离心泵的健康状态;SSA-ELM能够准确地识别离心泵的故障类型,证明该方法具有一定的有效性和优越性。
展开更多
关键词
叶片式泵
改进粗粒化处理
改进多尺度增长熵
多聚类特征选择
麻雀搜索算法
极限学习机
特征
矩阵
在线阅读
下载PDF
职称材料
题名
数据特征选择与分类在机械故障诊断中的应用
被引量：
6
1
作者
李帅位
张栋良
黄昕宇
陈璞
机构
上海电力学院自动化工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第2期218-222,共5页
基金
国家自然科学基金(61503237)
上海市自然科学基金(15ZR1418300)
上海市科研计划项目(18020500900)
文摘
针对机械故障数据的高维性和不平衡性,提出基于格拉斯曼流形的多聚类特征选择和迭代近邻过采样的故障分类方法。对采集到的振动信号,提取时域和频域相关特征,利用多聚类特征选择将高维数据以局部流形结构映射到低维特征集合。无标签样本借助迭代近邻过采样以恢复最大平衡性为目标进行样本分类,并对剩余无标签样本进行模糊分类。选取滚动轴承正常、外圈、内圈以及滚动体的故障数据,并与支持向量机、基于图的半监督学习算法进行对比。结果表明,提出的方法能有效识别出少数类故障,并在整体上有显著的分类效果。
关键词
格拉斯曼流形
多聚类特征选择
迭代近邻过采样
模糊分
类
半监督学习
Keywords
Grassmann manifold
multi-clustering feature selection
iteration nearest neighbor oversampling
fuzzy classification
semi-supervised learning
分类号
TH165.3 [机械工程—机械制造及自动化]
TH133.3 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于改进层次全局模糊熵和MCFS的滚动轴承损伤识别
被引量：
3
2
作者
柏世兵
林金亮
杨玉华
机构
电子科技大学机械与电气工程学院
重庆城市职业学院科大讯飞大数据学院
闽西职业技术学院信息与制造学院
柳州工学院软件学院
出处
《机电工程》
CAS
北大核心
2023年第7期1024-1030,共7页
基金
龙岩市基础科技研究项目(2018LY8016)。
文摘
针对传统的多尺度特征提取方法无法捕捉振动信号高频故障信息的问题,提出了一种基于改进层次全局模糊熵(IHGFE)全局全频段特征提取、多聚类特征选择(MCFS)特征降维和支持向量机分类的滚动轴承故障诊断方法。首先,提出了能够捕捉振动信号低频到高频的全局特征的IHGFE非线性动力学方法,并将其用于滚动轴承的故障特征提取;然后,利用MCFS对初始特征向量进行了维数约简和优化,构建了低维且对故障敏感的故障特征向量;最后,建立了基于支持向量机的多故障分类器,实现了滚动轴承损伤的智能化识别,并通过两个滚动轴承实验进行了对比分析。研究结果表明:IHGFE的分类准确率和识别稳定性均优于对比方法,证明了其在特征提取中能够在一定程度上解决现有方法无法同时考虑信号的高频特征和全局特征的问题,可为进一步扩展模糊熵方法在滚动轴承损伤识别中的应用提供参考。
关键词
轴承故障诊断
改进层次全局模糊熵
多聚类特征选择
支持向量机
特征
降维
故障分
类
器
Keywords
bearing fault diagnosis
improved hierarchical global fuzzy entropy(IHGFE)
multi cluster feature selection(MCFS)
support vector machine(SVM)
feature dimension reduction
fault classifier
分类号
TH133.33 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于IMIE、MCFS和SSA-ELM的离心泵故障诊断方法
被引量：
4
3
作者
辜文娟
张扬
机构
江西省商务学校
湖北工业大学机械工程学院
出处
《机电工程》
CAS
北大核心
2023年第9期1456-1463,共8页
基金
江西省教育厅科技课题(GJJ151486)。
文摘
采用多尺度排列熵对离心泵振动信号进行分析时,存在忽略信号幅值信息以及粗粒化处理存在不足的问题,从而导致离心泵的故障识别准确率不高,为此,提出了一种基于改进多尺度增长熵(IMIE)、多聚类特征选择(MCFS)和麻雀搜索算法优化极限学习机(SSA-ELM)的离心泵故障诊断方法。首先,基于改进粗粒化处理,提出了改进多尺度增长熵(IMIE)方法,将其用于提取故障特征,构造了反映离心泵损伤属性的特征矩阵;随后,采用多聚类特征选择(MCFS),对原始故障特征进行了重要性排序,获得了对分类识别贡献度更高的故障特征,提高了故障特征的质量;最后,将低维的敏感特征输入至基于麻雀搜索算法(SSA)的极限学习机(ELM)中,进行了离心泵故障分类,完成了离心泵不同故障类型的识别任务;并采用离心泵故障数据集,对基于IMIE、MCFS和SSA-ELM的故障诊断方法的有效性进行了实验验证。研究结果表明:所提故障诊断方法的故障识别准确率达到了100%,多次实验的平均准确率和标准差也优于其他对比的故障诊断方法,即IMIE能够准确地提取信号中的故障信息,进而表征离心泵的健康状态;SSA-ELM能够准确地识别离心泵的故障类型,证明该方法具有一定的有效性和优越性。
关键词
叶片式泵
改进粗粒化处理
改进多尺度增长熵
多聚类特征选择
麻雀搜索算法
极限学习机
特征
矩阵
Keywords
vane pump
improved coarse-grained processing
improved multiscale increment entropy(IMIE)
multi cluster feature selection(MCFS)
sparrow search algorithm(SSA)
extreme learning machine(ELM)
characteristic matrix
分类号
TH311 [机械工程—机械制造及自动化]
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
数据特征选择与分类在机械故障诊断中的应用
李帅位
张栋良
黄昕宇
陈璞
《振动与冲击》
EI
CSCD
北大核心
2020
6
在线阅读
下载PDF
职称材料
2
基于改进层次全局模糊熵和MCFS的滚动轴承损伤识别
柏世兵
林金亮
杨玉华
《机电工程》
CAS
北大核心
2023
3
在线阅读
下载PDF
职称材料
3
基于IMIE、MCFS和SSA-ELM的离心泵故障诊断方法
辜文娟
张扬
《机电工程》
CAS
北大核心
2023
4
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
