| 基于双维度EKNN的滚动轴承早期故障分类算法 |
| |
| 引用本文： | 彭成,贺婧,唐朝晖,陈青,桂卫华. 基于双维度EKNN的滚动轴承早期故障分类算法[J]. 计算机集成制造系统, 2021, 27(1): 90-101. DOI: 10.13196/j.cims.2021.01.007 |
| |
| 作者姓名： | 彭成 贺婧 唐朝晖 陈青 桂卫华 |
| |
| 作者单位： | 湖南工业大学 计算机学院 ,湖南 株洲 412007;中南大学 自动化学院 ,湖南 长沙 410083;湖南工业大学 计算机学院 ,湖南 株洲 412007;中南大学 自动化学院 ,湖南 长沙 410083;湖南工业大学 计算机学院 ,湖南 株洲 412007;中南大学 自动化学院 ,湖南 长沙 410083 |
| |
| 基金项目： | 湖南省自然科学基金资助项目;湖南省教育厅重点资助项目;2019湖南省研究生创新资助项目;国家自然科学基金面上资助项目 |
| |
| 摘 要： | ![]()
为提高对滚动轴承早期故障识别的精确度,提出一种基于混合特征提取的故障分类模型.该模型利用类内紧致性和类间重叠性识别出次优特征组,作为增强K近邻分类器(EK N N)的输入,并以距离和密度双维度计算,得到最大平均分类精确度,进而输出最优早期故障特征组,对未知数据进行分类来检测故障.实验采集滚动轴承在低速运行下的早期故障声...
|
| 关 键 词： | 声发射信号 增强K近邻分类器 滚动轴承 早期故障分类 故障诊断 |
Rolling bearing early fault classification algorithm based on two-dimensional EKNN |
| |
| PENG Cheng,HE Jing,TANG Zhaohui,CHEN Qing,GUI Weihua. Rolling bearing early fault classification algorithm based on two-dimensional EKNN[J]. Computer Integrated Manufacturing Systems, 2021, 27(1): 90-101. DOI: 10.13196/j.cims.2021.01.007 |
| |
| Authors: | PENG Cheng HE Jing TANG Zhaohui CHEN Qing GUI Weihua |
| |
| Abstract: | ![]()
|
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
