|
|||||
|
|
| 基于核极限学习机的旋转机械故障诊断方法 | |
| 引用本文： | 王普,温峥,高学金,温焕然. 基于核极限学习机的旋转机械故障诊断方法[J]. 噪声与振动控制, 2018, 38(2): 138-143 |
| 作者姓名： | 王普 温峥 高学金 温焕然 |
| 作者单位： | （ 1. 北京工业大学 电子信息与控制工程学院，北京 100124； 2. 数字社区教育部工程研究中心，北京 100124； 3. 城市轨道交通北京实验室，北京 100124； 4. 计算智能与智能系统北京市重点实验室，北京 100124 ） |
| 摘 要： | 传统的旋转机械故障诊断存在需人工干预、诊断精度低等问题。为更好诊断旋转机械故障,提出基于核极限学习机的旋转机械故障诊断方法。首先在正常状态和转子不平衡、转子不对中、轴承座松动3种故障状态下采集旋转机械的振动信号,降噪后提取各频段小波能量作为故障特征,以此为基础建立基于核极限学习机的旋转机械故障诊断模型。在旋转机械故障模拟实验台上进行的应用实验表明,KELM方法比ELM有更高的稳定性,KELM的故障诊断准确率大于99%,诊断性能优于极限学习机和支持向量机。 |
| 关 键 词： | 振动与波 旋转机械 故障诊断 核极限学习机 |
| 收稿时间： | 2017-06-12 |
Fault Diagnosis Method of Rotating Machinery based on the Kernel Extreme Learning Machine |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |
| 点击此处可从《噪声与振动控制》浏览原始摘要信息 | |
| 点击此处可从《噪声与振动控制》下载全文 | |