期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于CEEMDAN与改进核极限学习机的S700K转辙机健康状态诊断 被引量:4
1
作者 米根锁 窦媛媛 《电子测量与仪器学报》 CSCD 北大核心 2023年第6期232-239,共8页
针对S700K转辙机健康状态分类过于粗放、诊断速度慢、效率低的问题,提出一种基于CEEMDAN与改进核极限学习机(kernel based extreme learning machine,KELM)的诊断方法。首先,对S700K转辙机功率数据进行自适应噪声完备集合经验模态分解,... 针对S700K转辙机健康状态分类过于粗放、诊断速度慢、效率低的问题,提出一种基于CEEMDAN与改进核极限学习机(kernel based extreme learning machine,KELM)的诊断方法。首先,对S700K转辙机功率数据进行自适应噪声完备集合经验模态分解,得到6个本征模态函数(intrinsic mode function,IMF);然后,计算本征模态函数的模糊熵值(fuzzy entropy,fuzzyEn,FE)作为表征转辙机健康状态的特征参数;最后,利用麻雀算法(sparrow search algorithm,SSA)改进的核极限学习机对9种健康状态进行健康诊断,并与SVR和ELM模型进行对比。仿真结果表明,改进核极限学机模型准确率、精确率、召回率等指标分别达到97.8%、98.0%、97.8%,相较于SVR和ELM模型,SSA-KELM模型在保证运行速度的基础上,将诊断准确率至少提高2.2%。 展开更多
关键词 CEEMDAN 改进核极限学习机 S700K转辙 健康状态诊断
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部