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
KMDW和ISVDD方法在钻头磨损状态识别中的应用
1
作者
郝旺身
娄本池
+4 位作者
董辛旻
王林恒
朱春辉
陈世金
王亚坤
《重庆理工大学学报(自然科学)》
北大核心
2025年第7期179-186,共8页
为识别钻头的磨损状态,解决多分类过程中支持向量数据描述(SVDD)对混叠样本识别精度差的问题,提出一种基于结合K均值密度权重(KMDW)聚类和改进SVDD(ISVDD)的方法。采用小波包分解多尺度排列熵值(WPD-MPE)方法提取特征向量;结合KMDW和SVD...
为识别钻头的磨损状态,解决多分类过程中支持向量数据描述(SVDD)对混叠样本识别精度差的问题,提出一种基于结合K均值密度权重(KMDW)聚类和改进SVDD(ISVDD)的方法。采用小波包分解多尺度排列熵值(WPD-MPE)方法提取特征向量;结合KMDW和SVDD模型进行故障分类,对混叠样本采用K近邻隶属度值进行识别,并采用改进的蝴蝶优化算法(IBOA)优化SVDD模型参数。在标准数据集上验证所提方法的优越性,结果表明:加入K近邻隶属度值可使F值和准确率分别提升6.36%和6.59%;KMDW相比K均值聚类方法的ARI值和NMI值分别提升10.01%和10.75%,能够达到更好的聚类效果;经蝴蝶优化算法改进后模型识别精度进一步提高。将所提方法应用于钻头磨损状态的识别,识别准确率达到92.83%,证明其具有较好的识别精度和通用性。
展开更多
关键词
SVDD
K均值密度权重聚类
蝴蝶优化算法
K近邻算法
钻头磨损状态识别
在线阅读
下载PDF
职称材料
题名
KMDW和ISVDD方法在钻头磨损状态识别中的应用
1
作者
郝旺身
娄本池
董辛旻
王林恒
朱春辉
陈世金
王亚坤
机构
郑州大学机械与动力工程学院
五冶集团上海有限公司
出处
《重庆理工大学学报(自然科学)》
北大核心
2025年第7期179-186,共8页
基金
河南省科技攻关资助项目(202102210075)。
文摘
为识别钻头的磨损状态,解决多分类过程中支持向量数据描述(SVDD)对混叠样本识别精度差的问题,提出一种基于结合K均值密度权重(KMDW)聚类和改进SVDD(ISVDD)的方法。采用小波包分解多尺度排列熵值(WPD-MPE)方法提取特征向量;结合KMDW和SVDD模型进行故障分类,对混叠样本采用K近邻隶属度值进行识别,并采用改进的蝴蝶优化算法(IBOA)优化SVDD模型参数。在标准数据集上验证所提方法的优越性,结果表明:加入K近邻隶属度值可使F值和准确率分别提升6.36%和6.59%;KMDW相比K均值聚类方法的ARI值和NMI值分别提升10.01%和10.75%,能够达到更好的聚类效果;经蝴蝶优化算法改进后模型识别精度进一步提高。将所提方法应用于钻头磨损状态的识别,识别准确率达到92.83%,证明其具有较好的识别精度和通用性。
关键词
SVDD
K均值密度权重聚类
蝴蝶优化算法
K近邻算法
钻头磨损状态识别
Keywords
SVDD
K-means density weight clustering
butterfly optimization algorithm
K-nearest neighbors
drill wear state identification
分类号
TE921.1 [石油与天然气工程—石油机械设备]
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
KMDW和ISVDD方法在钻头磨损状态识别中的应用
郝旺身
娄本池
董辛旻
王林恒
朱春辉
陈世金
王亚坤
《重庆理工大学学报(自然科学)》
北大核心
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
