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
2
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RTSWMFE,IS-GSE与COOT-SVM的行星齿轮箱故障诊断
被引量：
1
1
作者
戚晓利
杨艳
+1 位作者
崔创创
程主梓
《振动.测试与诊断》
北大核心
2025年第1期132-139,205,共9页
针对行星齿轮箱特征提取困难的问题,提出一种基于精细时移加权多尺度模糊熵(refined time⁃shift weighted multiscale fuzzy entropy,简称RTSWMFE)、改进监督型几何和统计保持流形嵌入(improved supervised geometry and statistics⁃pre...
针对行星齿轮箱特征提取困难的问题,提出一种基于精细时移加权多尺度模糊熵(refined time⁃shift weighted multiscale fuzzy entropy,简称RTSWMFE)、改进监督型几何和统计保持流形嵌入(improved supervised geometry and statistics⁃preserving manifold embedding,简称IS⁃GSE)和白骨顶优化算法支持向量机(coot optimization algorithm support vector machine,简称COOT⁃SVM)的行星齿轮箱故障诊断方法。首先,利用RTSWMFE提取高维故障特征信息;其次,采用IS⁃GSE对高维特征进行降维,提取出敏感、低维的特征;最后,将低维特征输入COOT⁃SVM中进行识别分类。行星齿轮箱故障诊断实验结果表明:IS⁃GSE方法采用余弦相似度与欧式距离相结合的距离度量方式,并融入监督学习思想,降维效果较佳;COOT⁃SVM方法对经RTSWMFE和IS⁃GSE二次提取的故障特征识别精度达到100%。
展开更多
关键词
故障诊断
行星齿轮箱
精细
时
移
加权
多尺度
模糊
熵
改进监督型几何和统计保持流形嵌入
白骨顶优化算法优化支持向量机
在线阅读
下载PDF
职称材料
基于RTSMFE、M-KRCDA与COA-SVM的行星齿轮箱故障诊断
被引量：
5
2
作者
戚晓利
崔创创
+2 位作者
杨艳
程主梓
陈旭
《振动与冲击》
EI
CSCD
北大核心
2022年第21期109-120,共12页
针对从行星齿轮箱非线性、非平稳振动信号中提取故障特征困难的问题,提出了一种基于精细时移多尺度模糊熵(refined time-shift multiscale fuzzy entropy,RTSMFE)、马氏距离的核正则化共面判别分析(Mahalanobis-kernel regularized copl...
针对从行星齿轮箱非线性、非平稳振动信号中提取故障特征困难的问题,提出了一种基于精细时移多尺度模糊熵(refined time-shift multiscale fuzzy entropy,RTSMFE)、马氏距离的核正则化共面判别分析(Mahalanobis-kernel regularized coplanar discriminant analysis,M-KRCDA)以及郊狼优化算法优化支持向量机(coyote optimization algorithm-support vector machine,COA-SVM)的行星齿轮箱故障诊断方法。首先利用RTSMFE计算和组合行星齿轮箱原始故障信号的特征向量,构建原始高维故障特征集;然后采用M-KRCDA的特征筛选方法,减少了特征的维数并提高特征故障识别的准确性和效率;最后将低维特征输入到COA-SVM进行故障类型的判别。行星齿轮箱故障诊断试验结果分析表明,所提方法能够准确识别行星齿轮箱的常见故障,具有一定的应用前景。
展开更多
关键词
故障诊断
行星齿轮箱
精细
时
移
多尺度
模糊
熵
(
rtsmfe
)
马氏距离的核正则化共面判别分析(M-KRCDA)
郊狼优化算法优化支持向量机(COA-SVM)
在线阅读
下载PDF
职称材料
题名
基于RTSWMFE,IS-GSE与COOT-SVM的行星齿轮箱故障诊断
被引量：
1
1
作者
戚晓利
杨艳
崔创创
程主梓
机构
安徽工业大学机械工程学院
出处
《振动.测试与诊断》
北大核心
2025年第1期132-139,205,共9页
基金
安徽省自然科学基金资助项目(1808085ME152)。
文摘
针对行星齿轮箱特征提取困难的问题,提出一种基于精细时移加权多尺度模糊熵(refined time⁃shift weighted multiscale fuzzy entropy,简称RTSWMFE)、改进监督型几何和统计保持流形嵌入(improved supervised geometry and statistics⁃preserving manifold embedding,简称IS⁃GSE)和白骨顶优化算法支持向量机(coot optimization algorithm support vector machine,简称COOT⁃SVM)的行星齿轮箱故障诊断方法。首先,利用RTSWMFE提取高维故障特征信息;其次,采用IS⁃GSE对高维特征进行降维,提取出敏感、低维的特征;最后,将低维特征输入COOT⁃SVM中进行识别分类。行星齿轮箱故障诊断实验结果表明:IS⁃GSE方法采用余弦相似度与欧式距离相结合的距离度量方式,并融入监督学习思想,降维效果较佳;COOT⁃SVM方法对经RTSWMFE和IS⁃GSE二次提取的故障特征识别精度达到100%。
关键词
故障诊断
行星齿轮箱
精细
时
移
加权
多尺度
模糊
熵
改进监督型几何和统计保持流形嵌入
白骨顶优化算法优化支持向量机
Keywords
fault diagnosis
planetary gearbox
refined time-shift weighted multiscale fuzzy entropy
improved supervised geometry and statistics-preserving manifold embedding(IS-GSE)
coot optimization al⁃gorithm support vector machine(COOT-SVM)
分类号
TH165.3 [机械工程—机械制造及自动化]
TN911.7 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于RTSMFE、M-KRCDA与COA-SVM的行星齿轮箱故障诊断
被引量：
5
2
作者
戚晓利
崔创创
杨艳
程主梓
陈旭
机构
安徽工业大学机械工程学院
出处
《振动与冲击》
EI
CSCD
北大核心
2022年第21期109-120,共12页
基金
安徽省自然科学基金(1808085ME152)。
文摘
针对从行星齿轮箱非线性、非平稳振动信号中提取故障特征困难的问题,提出了一种基于精细时移多尺度模糊熵(refined time-shift multiscale fuzzy entropy,RTSMFE)、马氏距离的核正则化共面判别分析(Mahalanobis-kernel regularized coplanar discriminant analysis,M-KRCDA)以及郊狼优化算法优化支持向量机(coyote optimization algorithm-support vector machine,COA-SVM)的行星齿轮箱故障诊断方法。首先利用RTSMFE计算和组合行星齿轮箱原始故障信号的特征向量,构建原始高维故障特征集;然后采用M-KRCDA的特征筛选方法,减少了特征的维数并提高特征故障识别的准确性和效率;最后将低维特征输入到COA-SVM进行故障类型的判别。行星齿轮箱故障诊断试验结果分析表明,所提方法能够准确识别行星齿轮箱的常见故障,具有一定的应用前景。
关键词
故障诊断
行星齿轮箱
精细
时
移
多尺度
模糊
熵
(
rtsmfe
)
马氏距离的核正则化共面判别分析(M-KRCDA)
郊狼优化算法优化支持向量机(COA-SVM)
Keywords
fault diagnosis
planetary gearbox
refined time-shift multiscale fuzzy entropy(
rtsmfe
)
Mahalanobis-kernel regularized coplanar discriminant analysis(M-KRCDA)
coyote optimization algorithm-support vector machine(COA-SVM)
分类号
TH165.3 [机械工程—机械制造及自动化]
TN911.7 [电子电信—通信与信息系统]
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RTSWMFE,IS-GSE与COOT-SVM的行星齿轮箱故障诊断
戚晓利
杨艳
崔创创
程主梓
《振动.测试与诊断》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于RTSMFE、M-KRCDA与COA-SVM的行星齿轮箱故障诊断
戚晓利
崔创创
杨艳
程主梓
陈旭
《振动与冲击》
EI
CSCD
北大核心
2022
5
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
