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LS-SVM多分类器融合决策的混合故障诊断算法
被引量：
10
1
作者
李鑫滨
陈云强
张淑清
《振动与冲击》
EI
CSCD
北大核心
2013年第19期159-164,182,共7页
故障诊断的关键是特征向量提取和分类器的选择,提出一种综合运用多特征提取和多分类器组融合决策的故障诊断算法。多特征提取选择小波包变换、总体平均经验模式分解方法(Empirical Mode Decomposition,EEMD)和改进小波能熵方法,得到三...
故障诊断的关键是特征向量提取和分类器的选择,提出一种综合运用多特征提取和多分类器组融合决策的故障诊断算法。多特征提取选择小波包变换、总体平均经验模式分解方法(Empirical Mode Decomposition,EEMD)和改进小波能熵方法,得到三组不同的故障特征信息;将这三组特征信息输入由3个最小二乘支持向量机(Least Square Support Vector Machine,LS-SVM)组成的分类器组进行初步诊断;采用自整定权值的决策模板法(Self-adjusting weighted Decision Templates,SWDT)进行多分类器诊断结果的融合决策。实验证明,该方法能实现轴承不同故障类型,尤其是复合故障的可靠识别,验证了该算法提取轴承故障特征信息的完备性,以及分类器组融合决策的可靠性。
展开更多
关键词
多特征提取
最小二乘支持向量机
多分类器融合
自整定权值的决策模板法
在线阅读
下载PDF
职称材料
题名
基于LS-SVM多分类器融合决策的混合故障诊断算法
被引量：
10
1
作者
李鑫滨
陈云强
张淑清
机构
燕山大学工业计算机控制工程河北省重点实验室
出处
《振动与冲击》
EI
CSCD
北大核心
2013年第19期159-164,182,共7页
基金
国家自然科学基金项目(61172095
51075349)
文摘
故障诊断的关键是特征向量提取和分类器的选择,提出一种综合运用多特征提取和多分类器组融合决策的故障诊断算法。多特征提取选择小波包变换、总体平均经验模式分解方法(Empirical Mode Decomposition,EEMD)和改进小波能熵方法,得到三组不同的故障特征信息;将这三组特征信息输入由3个最小二乘支持向量机(Least Square Support Vector Machine,LS-SVM)组成的分类器组进行初步诊断;采用自整定权值的决策模板法(Self-adjusting weighted Decision Templates,SWDT)进行多分类器诊断结果的融合决策。实验证明,该方法能实现轴承不同故障类型,尤其是复合故障的可靠识别,验证了该算法提取轴承故障特征信息的完备性,以及分类器组融合决策的可靠性。
关键词
多特征提取
最小二乘支持向量机
多分类器融合
自整定权值的决策模板法
Keywords
Learning algorithms
分类号
TP274 [自动化与计算机技术—检测技术与自动化装置]
TH133 [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
基于LS-SVM多分类器融合决策的混合故障诊断算法
李鑫滨
陈云强
张淑清
《振动与冲击》
EI
CSCD
北大核心
2013
10
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
