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MFCC特征和GWO-SVM的托辊故障诊断
被引量：
4
1
作者
贺志军
李军霞
+2 位作者
张伟
樊文瑞
李振华
《机床与液压》
北大核心
2022年第15期188-193,共6页
针对目前带式输送机托辊故障诊断方法存在接触式测量、准确率低、井下大范围检测困难等问题,提出了一种基于MFCC特征和参数优化SVM的托辊故障诊断方法。利用变分模态分解(VMD)将采集到的托辊声音信号分解为若干本征模态分量(IMF),并基...
针对目前带式输送机托辊故障诊断方法存在接触式测量、准确率低、井下大范围检测困难等问题,提出了一种基于MFCC特征和参数优化SVM的托辊故障诊断方法。利用变分模态分解(VMD)将采集到的托辊声音信号分解为若干本征模态分量(IMF),并基于包络熵和峭度组成的复合指标优选IMF分量;提取所选分量的梅尔倒频谱系数(MFCC)作为特征,利用灰狼优化算法(GWO)优化SVM参数;将样本特征向量输入GWO-SVM中进行故障分类。结果表明:对于正常托辊、托辊内圈故障、托辊外圈故障、托辊卡死4种工况,该方法故障识别平均准确率在95%以上。与单一指标相比,复合指标提取的IMF分量故障特性代表性更好;与其他优化算法相比,该方法的识别准确率更高,分类速度更快。
展开更多
关键词
声音信号
梅尔频率倒谱系数(MFCC)
托辊
灰狼算法
故障诊断
在线阅读
下载PDF
职称材料
题名
基于MFCC特征和GWO-SVM的托辊故障诊断
被引量：
4
1
作者
贺志军
李军霞
张伟
樊文瑞
李振华
机构
太原理工大学机械与运载工程学院
山西省矿山流体控制工程技术研究中心
矿山流体控制国家地方联合工程实验室
立博重工科技股份有限公司
出处
《机床与液压》
北大核心
2022年第15期188-193,共6页
基金
国家自然基金面上项目(52174147)
中央引导地方科技发展资金项目(YDZJSX2021A023)
+1 种基金
晋中市科技重点研发项目(Y211017)
泰山产业领军人才项目。
文摘
针对目前带式输送机托辊故障诊断方法存在接触式测量、准确率低、井下大范围检测困难等问题,提出了一种基于MFCC特征和参数优化SVM的托辊故障诊断方法。利用变分模态分解(VMD)将采集到的托辊声音信号分解为若干本征模态分量(IMF),并基于包络熵和峭度组成的复合指标优选IMF分量;提取所选分量的梅尔倒频谱系数(MFCC)作为特征,利用灰狼优化算法(GWO)优化SVM参数;将样本特征向量输入GWO-SVM中进行故障分类。结果表明:对于正常托辊、托辊内圈故障、托辊外圈故障、托辊卡死4种工况,该方法故障识别平均准确率在95%以上。与单一指标相比,复合指标提取的IMF分量故障特性代表性更好;与其他优化算法相比,该方法的识别准确率更高,分类速度更快。
关键词
声音信号
梅尔频率倒谱系数(MFCC)
托辊
灰狼算法
故障诊断
Keywords
Acoustical signal
Mel frequency cepstrum coefficient(MFCC)
Roller
Gray wolf algorithm
Fault diagnosis
分类号
TH113.1 [机械工程—机械设计及理论]
TH133.33 [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MFCC特征和GWO-SVM的托辊故障诊断
贺志军
李军霞
张伟
樊文瑞
李振华
《机床与液压》
北大核心
2022
4
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
