期刊文献+
共找到25,187篇文章
< 1 2 250 >
每页显示 20 50 100
基于RNN-LSTM的磨矿系统故障诊断技术
1
作者 曲星宇 曾鹏 李俊鹏 《信息与控制》 CSCD 北大核心 2019年第2期179-186,共8页
目前磨矿系统故障诊断多为人为判断,效率低、准确率低、成本高且容易造成人员伤亡.传统方法对高维度和时间相关性较大的样本数据集分类能力较差,针对以上问题,提出一种基于RNN-LSTM(Recurrent Neural Network-Long Short-Term Memory)... 目前磨矿系统故障诊断多为人为判断,效率低、准确率低、成本高且容易造成人员伤亡.传统方法对高维度和时间相关性较大的样本数据集分类能力较差,针对以上问题,提出一种基于RNN-LSTM(Recurrent Neural Network-Long Short-Term Memory)的深度学习方法,实现磨矿系统故障的智能化诊断.该方法通过将数据集'分批处理'分别输入到LSTM单元网络中,提取数据集在时间维度上的相关性,并比较分析前后时刻的输入特征向量实现对故障分类.通过分别对RNN-LSTM深度学习网络与基于自编码分类方法进行实验对比验证,得出结论:在时间相关性较强的高维度数据集中基于RNN-LSTM深度方法辨识效果明显优于基于自编码方法的分类器,最终网络对于故障诊断的错误率低至3%. 展开更多
关键词 故障诊断 深度学习 循环神经网络 长短期记忆故障诊断
电动汽车电池管理系统的故障诊断 预览
2
作者 董乐然 《电工技术》 2019年第1期14-17,共4页
针对电动汽车电池内部一类具有短时延的故障控制系统,提出一种诊断方案。首先基于观测器的预测状态作为控制器的输入,设计了具有时延补偿及故障诊断的控制系统;然后根据残差产生器的数值与预定阈值对比判断故障是否发生,后置滤波器的设... 针对电动汽车电池内部一类具有短时延的故障控制系统,提出一种诊断方案。首先基于观测器的预测状态作为控制器的输入,设计了具有时延补偿及故障诊断的控制系统;然后根据残差产生器的数值与预定阈值对比判断故障是否发生,后置滤波器的设计使得系统对外界干扰的敏感性增强和对加性故障的鲁棒性提高,从而提升故障系统的诊断率;最后通过仿真验证基于观测器的系统设计可很好地诊断出系统故障,保障电池系统的安全运行和诊断准确。 展开更多
关键词 电动汽车 电池管理系统 故障诊断 观测器 NCS故障诊断
在线阅读 免费下载
移不变字典学习算法提取冲击成分及其在齿轮箱轴承早期故障诊断中的应用 预览
3
作者 张兆珩 丁建明 +1 位作者 吴超 林建辉 《中南大学学报:英文版》 SCIE EI CAS CSCD 2019年第4期824-838,共15页
由轴承故障所产生的故障冲击成分是对齿轮箱轴承故障评估的关键特征。但是由于严重的背景噪声与其它振动的干扰,从测量的振动信号中提取这些故障尤其是早期故障的冲击成分是十分困难的。为了捕捉到这些隐藏在测量的振动信号中的冲击成... 由轴承故障所产生的故障冲击成分是对齿轮箱轴承故障评估的关键特征。但是由于严重的背景噪声与其它振动的干扰,从测量的振动信号中提取这些故障尤其是早期故障的冲击成分是十分困难的。为了捕捉到这些隐藏在测量的振动信号中的冲击成分的高阶特征,应用一种被称作移不变K均值奇异值分解字典学习算法(SI-K-SVD)对齿轮箱轴承进行早期故障检测。尽管移不变K均值奇异值分解字典学习算法比现有的大部分算法更具有灵活性与自适应性,但与该算法密切相关的两种参数(迭代次数与模式的长度)的不合理选取,会对故障诊断的效果产生负面影响。因此,该算法引入包络谱的稀疏度与峭度值并分别用于选取上述两种参数。基于这两种参数优化选取的移不变K均值奇异值分解字典学习算法,被称为最优参数移不变奇异值分解字典学习算法(OP-SI-K-SVD),本文采用该算法用于齿轮箱轴承的故障检测。通过对仿真与台架试验的数据的分析,验证了该算法的有效性。同时通过与现有的几种先进算法(经验模态分解、小波变换和K均值奇异值分解)的对比,最优参数移不变奇异值分解字典学习算法在齿轮箱轴承的早期故障诊断中展现出了优异的性能。 展开更多
关键词 齿轮箱轴承 故障诊断 移不变K均值奇异值分解字典学习算法 冲击成分提取
在线阅读 免费下载
基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断
4
作者 戚晓利 王振亚 +2 位作者 吴保林 叶绪丹 潘紫微 《航空动力学报》 EI CAS CSCD 北大核心 2019年第4期744-755,共12页
针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障... 针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO-SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。 展开更多
关键词 故障诊断 行星齿轮箱 自适应复合多尺度排列熵(ACMPE) 改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap) 灰狼群优化支持向量机(GWO-SVM)
基于压缩采样匹配追踪的滚动轴承故障诊断 预览
5
作者 门超 《山东农业大学学报:自然科学版》 北大核心 2019年第3期524-527,共4页
滚动轴承在恶劣工况下容易发生损伤,进而影响整个设备安全,基于块坐标松弛算法的形态成分分析方法虽然能够实现信号中各成分的分离,但其计算复杂度较高,不利于滚动轴承的故障特征提取。针对上述问题,本文提出一种基于压缩采样匹配追踪... 滚动轴承在恶劣工况下容易发生损伤,进而影响整个设备安全,基于块坐标松弛算法的形态成分分析方法虽然能够实现信号中各成分的分离,但其计算复杂度较高,不利于滚动轴承的故障特征提取。针对上述问题,本文提出一种基于压缩采样匹配追踪的形态成分分析方法用于诊断轴承故障,以提高诊断的准确性。该方法首先针对信号中的不同成分构造相应的字典,然后在字典上利用压缩采样匹配追踪算法替代形态成分分析方法中的块坐标松弛算法对各成分进行重构,实现噪声和干扰的分离,最终通过包络分析实现滚动轴承的故障诊断。仿真和实验证明了算法的有效性。 展开更多
关键词 滚动轴承 故障诊断
在线阅读 下载PDF
一种基于Deep-GBM的航空发动机中介轴承故障诊断方法
6
作者 田晶 李有儒 艾延廷 《航空动力学报》 EI CAS CSCD 北大核心 2019年第4期756-763,共8页
针对航空发动机中介轴承故障信号难于识别的特点,提出了一种深度梯度提升模型(DeepGBM)对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验,并采用经验模式分解(EMD)方法对采集的振动信号进行... 针对航空发动机中介轴承故障信号难于识别的特点,提出了一种深度梯度提升模型(DeepGBM)对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验,并采用经验模式分解(EMD)方法对采集的振动信号进行分解,提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明,所提出的Deep-GBM故障诊断准确率达到87%,相对于传统的机器学习模型准确率最高提升了28%,并具有良好的泛化能力。 展开更多
关键词 故障诊断 中介轴承 样本熵 机器学习 梯度提升模型
基于MED和LMD的自动倾斜器轴承广义Shannon熵谱分析
7
作者 张先辉 李新民 金小强 《航空动力学报》 EI CAS CSCD 北大核心 2019年第4期764-771,共8页
针对轴承信号微弱故障特征易被强背景噪声淹没的问题,提出采用最小熵反褶积,通过逆滤波器最优化设计,对目标信号进行降噪处理,其峭度值提高了约3.8倍,增强了信号的微弱故障特征;针对非平稳非线性信号频率成分复杂难以解调的问题,提出采... 针对轴承信号微弱故障特征易被强背景噪声淹没的问题,提出采用最小熵反褶积,通过逆滤波器最优化设计,对目标信号进行降噪处理,其峭度值提高了约3.8倍,增强了信号的微弱故障特征;针对非平稳非线性信号频率成分复杂难以解调的问题,提出采用局部均值分解(LMD)和峭度-相关系数筛选准则,其可对非平稳非线性信号进行自适应分解和最优重构,提高了信号的信噪比;针对信号耦合调制及边频突出的问题,通过引入广义Shannon熵进行包络谱带内降噪处理,信号一阶故障特征调制频率与故障特征频率的幅度比降低了24%~43%。通过实验室信号及某型直升机自动倾斜器轴承故障诊断地面试验的分析结果验证了该方法的合理性和可行性。 展开更多
关键词 自动倾斜器轴承 故障诊断 最小熵反褶积(MED) 局部均值分解(LMD) 广义Shannon熵谱
基于改进果蝇优化算法优化RVM的电机轴承故障诊断
8
作者 王汉章 《机械强度》 CAS CSCD 北大核心 2019年第4期814-820,共7页
针对相关向量机(RVM)在电机轴承故障识别中的性能受参数选择影响较大的问题,提出了基于反向认知果蝇优化算法(RCFOA)优化RVM的电机轴承故障诊断方法。为提高FOA算法的寻优能力,引入反向学习策略,对原始果蝇优化算法进行了改进。利用RCFO... 针对相关向量机(RVM)在电机轴承故障识别中的性能受参数选择影响较大的问题,提出了基于反向认知果蝇优化算法(RCFOA)优化RVM的电机轴承故障诊断方法。为提高FOA算法的寻优能力,引入反向学习策略,对原始果蝇优化算法进行了改进。利用RCFOA进行RVM参数的优化,可以有效地提高RVM的分类性能。电机轴承不同类型、不同程度故障诊断的实例表明,RCFOA算法能够获得更优的参数,提高了RVM的故障诊断准确率,相比于其他一些方法更有优势,可有效应用于故障诊断。 展开更多
关键词 果蝇优化算法 反向认知 相关向量机 故障诊断 轴承
基于VMD与PSO-PNN的滚动轴承故障诊断模型 预览
9
作者 张建财 高军伟 《自动化与仪表》 2019年第3期33-37,共5页
针对滚动轴承故障特征提取效果不理想和故障类型识别准确率低、速度慢等问题,该文结合变分模态分解、粒子群算法和概率神经网络提出了一种新的滚动轴承故障提取与故障类型识别方法。主要是通过变分模态分解提取有效的故障特征向量,然后... 针对滚动轴承故障特征提取效果不理想和故障类型识别准确率低、速度慢等问题,该文结合变分模态分解、粒子群算法和概率神经网络提出了一种新的滚动轴承故障提取与故障类型识别方法。主要是通过变分模态分解提取有效的故障特征向量,然后通过粒子群算法优化的概率神经网络模型进行故障类型诊断。通过Matlab仿真结果显示,与标准的概率神经网络诊断故障类型相比提高了轴承故障诊断的准确性和速度性。 展开更多
关键词 变分模态分解 粒子群算法 概率神经网络 故障诊断
在线阅读 下载PDF
一种费控卡表交互数据获取设备的设计与实现
10
作者 李金瑾 潘俊涛 龙东 《自动化与仪器仪表》 2019年第1期94-98,共5页
针对非接触式费控卡表交互故障诊断需求,本文设计一种费控卡表交互数据获取设备。设备可在智能电表和购电卡交互状态下,监听、存储交互数据并分析提取交互信息;在非交互状态下,可模拟智能电表和购电卡其中一方向另一方发起通信。设备包... 针对非接触式费控卡表交互故障诊断需求,本文设计一种费控卡表交互数据获取设备。设备可在智能电表和购电卡交互状态下,监听、存储交互数据并分析提取交互信息;在非交互状态下,可模拟智能电表和购电卡其中一方向另一方发起通信。设备包括硬件和软件两部分,其中硬件部分由便携式机箱、嵌入式控制器和自主设计的数据采集处理硬件组成,采集处理硬件包括专用模拟电路、ARM、FPGA等,可实现交互磁信号和电信号的相互转换、电信号预处理、模数转换、数模转换、混频等功能;软件运行在控制器上,实现信息处理、提取、时频分析等功能。 展开更多
关键词 智能电表 购电卡 非接触通信 故障诊断
基于模糊Petri网的光纤复合低压电缆故障诊断 预览
11
作者 王鹤 郑红霞 +4 位作者 葛维春 罗桓桓 周桂平 吕旭明 王英杰 《吉林大学学报:工学版》 EI CAS CSCD 北大核心 2019年第2期664-672,共9页
提出了一种基于动态自适应模糊Petri网(DAFPN)的光纤复合低压电缆(OPLC)故障诊断方法,该方法能计及OPLC中电缆发生故障时发热对光缆产生的影响,准确地进行OPLC故障的诊断与分类。在构建OPLC故障诊断的通用模糊Petri网模型的基础上,利用B... 提出了一种基于动态自适应模糊Petri网(DAFPN)的光纤复合低压电缆(OPLC)故障诊断方法,该方法能计及OPLC中电缆发生故障时发热对光缆产生的影响,准确地进行OPLC故障的诊断与分类。在构建OPLC故障诊断的通用模糊Petri网模型的基础上,利用BP神经网络算法对Petri网模型中的参数进行学习、训练,以减少人为主观因素造成的误差。最后,用DAFPN对OPLC故障进行诊断,结果证明:相比较单独使用模糊Petri网,该方法能更好地动态适应专家系统中模糊知识的更新,有效提高OPLC故障诊断的准确度。 展开更多
关键词 通信技术 光纤复合低压电缆 故障诊断 模糊PETRI网 神经网络算法
在线阅读 下载PDF
煤矿机电设备故障诊断及维修技术 预览
12
作者 申伟 晋瑜 《机械管理开发》 2019年第4期138-139,191共3页
分析了煤矿机电设备常见故障及特点,提出了温度诊断法、振动诊断法、铁谱检测法三种故障诊断方法,通过实例分析诊断技术以及维修技术在机电设备中的具体应用情况,总结归纳了故障原因及维修体会,为全面保障煤矿机电设备的故障诊断与维修... 分析了煤矿机电设备常见故障及特点,提出了温度诊断法、振动诊断法、铁谱检测法三种故障诊断方法,通过实例分析诊断技术以及维修技术在机电设备中的具体应用情况,总结归纳了故障原因及维修体会,为全面保障煤矿机电设备的故障诊断与维修提供参考。 展开更多
关键词 煤矿机电设备 故障诊断 维修技术
在线阅读 下载PDF
基于改进果蝇算法优化WKELM的医疗滚动轴承故障诊断技术研究 预览
13
作者 何成 刘长春 +3 位作者 吴涛 武洋 徐颖 陈童 《计算机测量与控制》 2019年第5期71-76,共6页
针对传统小波核极限学习机(Extreme Learning Machine,ELM)应用于医疗滚动轴承故障诊断中识别精度不高且训练速度慢的一系列问题的出现,并针对性的想出一种更好地对滚动转轴发生的故障进行识别的办法,通过对小波核极限学习机算法进行改... 针对传统小波核极限学习机(Extreme Learning Machine,ELM)应用于医疗滚动轴承故障诊断中识别精度不高且训练速度慢的一系列问题的出现,并针对性的想出一种更好地对滚动转轴发生的故障进行识别的办法,通过对小波核极限学习机算法进行改进的方法;该方法运用改进果蝇算法(LGMS-Fruit-flying Optimization Algorithm,LGMS-FOA)优化小波核极限学习机中的正则化系数和小波核函数中的参数;采用的方法是变分模态分解(Variational Mode Decomposition,VMD),通过这种方法能够对滚动轴承的故障信号分解为含有故障信息的各模态分量从而提取到故障特征;通过与其他三种算法的实验结果对比证明,基于LGMS-FOA-WKELM的滚动轴承故障诊断方法的识别精度更高且训练时间更短。 展开更多
关键词 医疗滚动轴承 故障诊断 VMD分解 LGMS-FOA-WKELM算法
在线阅读 下载PDF
基于智能电表海量数据的台区运行态势分析与应用 预览
14
作者 陈亮 吕斌斌 +1 位作者 方勤斌 王国帮 《电力大数据》 2019年第2期74-80,共7页
随着智能电网的快速推进,配网智能化水平越来越高。用户智能电表的覆盖率逐年提升,利用用户智能电表每十五分钟一次采集形成的海量数据,辅以公变终端运行数据,从低压台区线损、故障、网架分析三个视角入手开展台区运行态势分析和应用。... 随着智能电网的快速推进,配网智能化水平越来越高。用户智能电表的覆盖率逐年提升,利用用户智能电表每十五分钟一次采集形成的海量数据,辅以公变终端运行数据,从低压台区线损、故障、网架分析三个视角入手开展台区运行态势分析和应用。通过精益化线损分析,研判线损异常的原因,对配网变户一致性进行研判,对智能装置数据准确性进行评价;通过低压台区回路阻抗模型计算,利用阻抗值实现了配网异常情况的预判和网架阻抗评估;通过配网故障研究分析,及时实现不同类型故障的准确主动研判,进一步提升供电服务'最后一公里'服务效率。文章通过深入挖掘智能电网领域大数据价值,促进业务创新、绩效提升,细化客户分类,满足智能化、多样化用电需要,提升配电网感知度。 展开更多
关键词 智能电表 线损分析 故障研判 台区网架
在线阅读 下载PDF
基于强抗噪威格纳威利分析的滚动轴承故障诊断
15
作者 王宏超 杜文辽 《航空动力学报》 EI CAS CSCD 北大核心 2019年第4期772-777,共6页
为了解决威格纳威利谱(Wigner-Vile spectrum,WVS)时频分析方法对受强背景噪声影响下的滚动轴承冲击性故障信号特征提取难的问题,根据滚动轴承发生故障时呈现出的循环平稳特征,将基于2阶循环统计量的循环谱密度算法(cyclic spectral den... 为了解决威格纳威利谱(Wigner-Vile spectrum,WVS)时频分析方法对受强背景噪声影响下的滚动轴承冲击性故障信号特征提取难的问题,根据滚动轴承发生故障时呈现出的循环平稳特征,将基于2阶循环统计量的循环谱密度算法(cyclic spectral density,CSD)与WVS相结合,提出基于CSD的WVS分析方法,即循环谱密度威格纳威利谱(CSDWVS)时频分析方法。经仿真及实验验证,相对传统WVS分析方法,该方法能有效提取出强背景噪声影响下的滚动轴承内圈故障特征频率为51.9Hz及外圈故障特征频率为32.1Hz。 展开更多
关键词 循环平稳 威格纳威利谱(WVS) 故障诊断 循环谱密度(CSD) 循环谱密度威格纳威利谱(CSDWVS)
基于小波包与支持向量机的失火故障Lab VIEW诊断应用 预览
16
作者 韩佳佳 贾继德 +1 位作者 贾翔宇 任刚 《军事交通学院学报》 2019年第2期47-51,共5页
针对柴油机工作中的失火故障诊断问题,提出基于小波包与支持向量机(SVM)的柴油机失火故障诊断方法。构建基于LabVIEW的柴油机测试系统。首先,采集柴油机缸盖振动信号;然后,将振动信号进行3层小波包分解并计算各节点的能量,提取故障特征... 针对柴油机工作中的失火故障诊断问题,提出基于小波包与支持向量机(SVM)的柴油机失火故障诊断方法。构建基于LabVIEW的柴油机测试系统。首先,采集柴油机缸盖振动信号;然后,将振动信号进行3层小波包分解并计算各节点的能量,提取故障特征参数;最后,通过LabVIEW与Matlab混合编程技术将特征参数输入SVM进行分类训练和模式识别。试验验证表明:该系统可以对柴油机失火故障信号进行采集、特征提取和故障识别。 展开更多
关键词 柴油机 故障诊断 LABVIEW Matlab 小波包分析 支持向量机
在线阅读 下载PDF
滚动轴承点蚀故障动力学建模与仿真
17
作者 张慧玲 吕福玲 《机械强度》 CAS CSCD 北大核心 2019年第4期821-827,共7页
轴承是机械传动系统中最关键也是最易发生故障的部位之一,准确的识别其故障是实现设备稳定运行的关键。综合考虑油膜和滚动体滑动等非线性因素,建立了包含局部故障的滚动轴承系统五自由度动力学模型,提出了一种改进的点蚀故障模型,并对... 轴承是机械传动系统中最关键也是最易发生故障的部位之一,准确的识别其故障是实现设备稳定运行的关键。综合考虑油膜和滚动体滑动等非线性因素,建立了包含局部故障的滚动轴承系统五自由度动力学模型,提出了一种改进的点蚀故障模型,并对不同故障参数对应的模型进行了分析。仿真了内圈和外圈含点蚀故障时的系统振动信号并分析了相应的故障特征。通过仿真信号和实验信号的对比分析,验证了所建模型的正确性,为实现轴承故障的早期诊断提供了帮助。 展开更多
关键词 滚动轴承 点蚀 动力学 故障诊断
道岔转换设备故障诊断与预测系统研究与设计 预览
18
作者 史龙 周荣 +1 位作者 王智新 谭树林 《铁路通信信号工程技术》 2019年第7期5-8,13共5页
道岔转换设备作为故障率较高的关键铁路信号设备,在铁路运营维护工作中需要投入大量人力和物力。基于信息感知、无线通信、物联网、云平台和专家系统等新型技术,提出一种道岔转换设备故障诊断与预测系统设计,可在线监测道岔转换设备的... 道岔转换设备作为故障率较高的关键铁路信号设备,在铁路运营维护工作中需要投入大量人力和物力。基于信息感知、无线通信、物联网、云平台和专家系统等新型技术,提出一种道岔转换设备故障诊断与预测系统设计,可在线监测道岔转换设备的运行状态,对故障进行实时诊断和精确定位,为实现故障预测与健康管理提供支撑。 展开更多
关键词 道岔转换设备 故障诊断 故障预测 专家系统
在线阅读 下载PDF
基于栈式自编码器的制冷系统故障诊断 预览
19
作者 罗霄 孙俊 《中国修船》 2019年第4期38-41,共4页
针对传统故障诊断方法在制冷系统低故障水平下存在故障检测效率低下的问题,文章提出栈式自编码器(SAE)故障诊断方法。该诊断方法首先确定网络的结构和重要的超参数,再使用故障数据预训练微调网络,最后使用softmax分类器进行故障诊断。... 针对传统故障诊断方法在制冷系统低故障水平下存在故障检测效率低下的问题,文章提出栈式自编码器(SAE)故障诊断方法。该诊断方法首先确定网络的结构和重要的超参数,再使用故障数据预训练微调网络,最后使用softmax分类器进行故障诊断。结果表明SAE能够提高制冷系统在低故障水平下的故障检测效率。 展开更多
关键词 制冷系统 故障诊断 栈式自编码器
在线阅读 下载PDF
基于云加端的电机轴承故障诊断应用研究 预览
20
作者 耿晓强 唐向红 陆见光 《振动与冲击》 EI CSCD 北大核心 2019年第9期223-230,共8页
针对以往的故障诊断系统实时性差、学习能力有限而且工程实现难的问题,提出了一种改进的云加端支持向量机(Cloud and Terminal Support Vector Machines,CaTSVM),并将其运用在电机轴承故障诊断中。CaTSVM方法把传统的故障诊断中的特征... 针对以往的故障诊断系统实时性差、学习能力有限而且工程实现难的问题,提出了一种改进的云加端支持向量机(Cloud and Terminal Support Vector Machines,CaTSVM),并将其运用在电机轴承故障诊断中。CaTSVM方法把传统的故障诊断中的特征提取和特征分类两部分分别运行在终端设备和云端设备中,并且将“流水线”(Pipeline)数据处理结构引入到CaTSVM方法中,有效提升了该方法的实时性。在云端建立故障特征模型库(Cloud Feature Mode Library,CFML),将故障特征选择性的加入模型库,在传统的离线SVM训练中辅以在线SVM训练,选择性的使用更新的故障特征训练SVM模型,进一步提高其分类能力,使诊断系统拥有了“终生学习”的能力。经过大量的实验验证,云加端方法的使用显著提高了诊断的准确率,并且推进了故障诊断的实际工程应用。 展开更多
关键词 云加端 SVM 在线训练 特征模型库 故障诊断 流水线
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部 意见反馈