《基于SVM与多振动信息融合的齿轮故障诊断》PDF+DOC
作者:蒋玲莉,刘义伦,李学军,陈安华
单位:中南大学
出版:《中南大学学报(自然科学版)》2010年第06期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFZNGD2010060240
DOC编号:DOCZNGD2010060249
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于特征信息融合的离散小波SVM齿轮故障诊断方法研究》PDF+DOC2012年第08期 成钰龙,程刚,沈利华,邱锦波,山显雷
《基于支持向量机的信息融合诊断方法》PDF+DOC2005年第09期 尉询楷,李应红,刘建勋,路建明
《电气设备状态监测与故障诊断》PDF+DOC2004年第01期 张春霞
《基于神经网络和证据理论的信息融合在故障诊断中的应用》PDF+DOC2012年第11期 李伟,梁玉英,朱赛
《D-S证据理论在多传感器故障诊断中的改进及应用》PDF+DOC2011年第S1期 李月,徐余法,陈国初,苗锐,俞金寿
《模糊信息融合在舰炮随动系统故障诊断中的应用》PDF+DOC2008年第03期 史跃东,王德石
《基于扩展证据理论的信息融合方法在传感器故障诊断中的应用》PDF+DOC2006年第05期 张冀,王兵树,马永光,邸剑,于浩
《信息融合技术在传感器故障诊断中的应用》PDF+DOC2006年第11期 李斌,章卫国
《信息融合在石化故障诊断信息采集方面的研究》PDF+DOC2014年第11期 何艳,周丽丽,王涛
《基于SVM的多传感器信息融合故障诊断》PDF+DOC2014年第09期 张宁波
针对齿轮振动信号故障特征微弱以及单个传感器故障诊断可靠性与准确性低等问题,采用多传感器信息融合方法,利用支持向量机(SVM)对8路齿轮振动信号进行特征级融合,实现故障诊断。研究结果表明:基于多个传感器单个特征量信息融合的齿轮故障诊断率比常规的基于单个传感的多个特征量的诊断准确率更高,诊断结果更可靠;峰值因子对齿轮故障最敏感,以峰值因子为特征量的多传感器信息融合,诊断准确率达93.33%。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。