排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
针对滚动轴承数据信号不稳定、非线性的特性,提出一种采用集合经验模态分解(EEMD)、希尔伯特(Hilbert)变换实现特征提取,改进教与学算法(ITLBO)优化支持向量机(SVM)参数的滚动轴承故障诊断方法。首先通过EEMD方法将目标信号分解成若干个模态函数,采取Hilbert变换获得模态函数的瞬时频率;对模态函数和其瞬时频率进行统计特征提取并实现特征变量降维,提高诊断效率;最后利用ITLBO算法优化SVM参数,构造ITLBO_SVM诊断模型进行多分类故障诊断。实例证明,信号经过EEMD分解和Hilbert变换再提取特征信息,代入ITLBO_SVM的优化模型比传统的粒子群算法优化模型的正确率更高,效果更稳定,验证了该方法的可行性与有效性。 相似文献
4.
攀西地区具有丰富稀土矿产资源,而稀土的综合利用一直是提高资源利用率与附加值的重要问题。本文概括了攀西地区稀土萃取的工艺现状,并指出以钙皂化萃取稀土的优势,但随之产生的第三相沉淀对稀土分离效果和产品纯度具有一定影响。为探究沉淀相的组成,采用XRD、XRF和SEM等进行了测试分析,结果表明:以碳酸钙为皂化剂进行稀土萃取产生的沉淀可能来源于碳酸钙原矿中杂质矿物如Si~(4+)、Al~(3+)、K~+、Mg~(2+)、Ti~(4+)和Sr~(2+)等离子不能完全置换出稀土离子,最终以沉淀相存在。 相似文献
5.
针对间歇过程的高度复杂性、强非线性、强时段性等特点,提出一种基于核熵成分分析(KECA)特征变量降维,利用烟花算法(FWA)优化支持向量机(SVM)参数的间歇过程分时段故障诊断方法。首先,通过多向核主元分析(MKPCA)进行在线故障监测,输出故障数据;其次,利用K-means分类方法将间歇过程划分为若干个子时段,对故障数据进行KECA特征变量处理,按熵值贡献率来确定选取主元的个数,深层提取特征信息;最后,在各子时段内分别构建FWA优化SVM参数故障诊断模型,将降维处理后的故障数据代入各自所属子时段FWA-SVM诊断模型内进行故障诊断。通过对青霉素仿真实验数据进行各种对比实验研究,验证了该方法的可行性与有效性。 相似文献
1