齿轮箱故障非线性特征测度及状态TWSVM辨识研究 |
| |
引用本文: | 曾柯,柏林.齿轮箱故障非线性特征测度及状态TWSVM辨识研究[J].振动与冲击,2018(15). |
| |
作者姓名: | 曾柯 柏林 |
| |
作者单位: | 重庆大学机械传动国家重点实验室 |
| |
摘 要: | 针对齿轮箱振动的非线性,利用非线性特征测度的方法提取齿轮箱振动信号的故障特征。并利用双子支持向量机(TWSVM)对齿轮箱故障类别的辨识性能进行研究。TWSVM努力构造两个非平行的超平面来实现分类,它比支持向量机(SVM)针对多分类问题具有更好的样本不均衡适应性,并且分类性能优势明显。对齿轮箱故障类别辨识的实验表明,与传统的SVM和BP神经网络算法相比较,TWSVM具有更高的分类准确率。
|
本文献已被 CNKI 等数据库收录! |
|