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
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：
基于振动特征优选和极限学习机的滚动轴承故障诊断 被引量：5
1
作者 王素华 徐小健 +1 位作者 于飞 樊清川 《深圳大学学报（理工版）》 CAS CSCD 北大核心 2023年第4期504-512,共9页
为解决滚动轴承故障诊断存在的振动信号故障信息提取模糊,诊断精度较低的问题,提出一种将改进的固有时间尺度分解(improved intrinsic time-scale decomposition,IITD)算法与极限学习机(extreme learning machine,ELM)相结合的故障诊断... 为解决滚动轴承故障诊断存在的振动信号故障信息提取模糊,诊断精度较低的问题,提出一种将改进的固有时间尺度分解(improved intrinsic time-scale decomposition,IITD)算法与极限学习机(extreme learning machine,ELM)相结合的故障诊断模型,记为COA-ELM.利用IITD算法分解振动信号获取其固有旋转(proper rotation,PR)分量,并基于多尺度熵理论计算各PR分量的多尺度熵值重构特征向量.利用郊狼优化算法(coyote optimization algorithm,COA)对ELM网络的输入权值和隐藏层阈值进行寻优.采用最优ELM网络对7种滚动轴承状态进行诊断,结果表明,本研究所建COA-ELM模型的滚动轴承故障诊断精度能够达到96.4%,相较于传统的故障诊断模型性能有着显著的提升. 展开更多
关键词 计算机神经网络 随机振动力学 故障诊断 滚动轴承 改进的固有时间尺度分解 郊狼优化 极限学习机
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部