基于分类器融合的刀具故障诊断方法研究 |
| |
引用本文: | 李 巍,邢邦圣. 基于分类器融合的刀具故障诊断方法研究[J]. 煤矿机械, 2014, 0(2): 225-227 |
| |
作者姓名: | 李 巍 邢邦圣 |
| |
作者单位: | 江苏师范大学机电工程学院; |
| |
摘 要: | 根据刀具磨损状态不同时其不同频带的能量不同,将小波包分解方法和基于神经网络的模糊系统融合器相结合,用于车刀状态诊断。采用小波包将信号分解为不同频带的信号,通过求取不同频带的均方根值提取各特征量,然后将特征向量分别输入BP、SVM、ELM、PNN 4种神经网络分类器,将不同分类器的分类结果应用模糊网络进行优化综合。实验结果表明:多分类融合分类识别效果比单个分类器效果要好,提高了对刀具状态的识别精度。
|
关 键 词: | 刀具磨损 小波包 特征提取 神经网络分类器 分类器融合 |
Tool Fault Diagnosis Based on Multiple Classifier Fusion |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|