机械设计与研究 ›› 2017, Vol. 33 ›› Issue (02): 30-32+35.doi: 10.13952/j.cnki.jofmdr.a4248
安邦;潘宏侠;张玉学;赵雄鹏;曹满亮;
发布日期:
2020-07-26
Published:
2020-07-26
摘要: 针对自动机故障诊断中仅单方面从时域、频域和时频域提取特征向量,导致特征指标具有很大片面性的问题,本文提出了一种基于时频特性和PCA-RBF的自动机故障诊断方法。首先利用统计分析和总体经验模态分解(EEMD)方法,构造高维混合域初始特征向量;然后通过主成分分析法(PCA)对高维初始特征向量进行降维和简化;最后将经过PCA处理过的主特征向量输入到径向基函数(Radial Basis Function,RBF)神经网络中实现故障类型的识别。实验结果表明,混合域初始特征向量能够准确全面地描述故障特征,经过PCA处理的主特征向量大大简化了分类器结构,RBF神经网络结构简单、收敛速度快、具有很高的分类准确率。
安邦;潘宏侠;张玉学;赵雄鹏;曹满亮;. 基于时频特性和PCA-RBF的自动机故障诊断[J]. 机械设计与研究, 2017, 33(02): 30-32+35.
[1] | 许勇, 蔡云泽, 宋林. 基于数据驱动的核电设备状态评估研究综述[J]. 上海交通大学学报, 2022, 56(3): 267-278. |
[2] | 丁明, 孟帅, 王书恒, 夏玺. 六自由度波浪补偿平台的神经网络自适应反馈线性化控制[J]. 上海交通大学学报, 2022, 56(2): 165-172. |
[3] | 刘秀丽, 徐小力. 基于特征金字塔卷积循环神经网络的故障诊断方法[J]. 上海交通大学学报, 2022, 56(2): 182-190. |
[4] | 马航宇, 周笛, 卫宇杰, 吴伟, 潘尔顺. 变工况下基于自适应深度置信网络的轴承智能故障诊断[J]. 上海交通大学学报, 2022, 56(10): 1368-1377. |
[5] | 来颜博, 阎高伟, 程兰, 陈泽华. 基于动态独立成分分析和动态主成分分析的测地线流式核无监督回归模型[J]. 上海交通大学学报, 2020, 54(12): 1269-1277. |
[6] | 胡晓强,仲训昱,张霄力,彭侠夫,何荧. 基于支持向量机辅助的四轴陀螺两级故障诊断方法[J]. 上海交通大学学报, 2020, 54(11): 1151-1156. |
[7] | 高家宝;许昕;潘宏侠;付志敏;. 基于信息熵与神经网络的供输弹系统早期故障诊断[J]. 机械设计与研究, 2020, 36(02): 181-184+188. |
[8] | 王东方;李玲华;. 格子气自动机并行搜索法的并联机构工作空间求解[J]. 机械设计与研究, 2020, 36(01): 64-67. |
[9] | 赵璐;许昕;潘宏侠;付志敏;高家宝;. 基于信息熵与信息融合的供输弹系统故障诊断研究[J]. 机械设计与研究, 2020, 36(01): 169-172. |
[10] | 李冬辉,郑宏宇,姚乐乐. 三相并网逆变器的混杂自动机模型分析[J]. 上海交通大学学报(自然版), 2019, 53(3): 348-354. |
[11] | 张龙;宋成洋;邹友军;崔路瑶;雷兵;. 基于VMD多特征融合与PSO-SVM的滚动轴承故障诊断[J]. 机械设计与研究, 2019, 35(06): 96-104. |
[12] | 李东;刘广璞;黄晋英;张安安;. 基于EEMD-SVD与SVM的轴承故障诊断[J]. 机械设计与研究, 2019, 35(06): 123-127. |
[13] | 王冠;乔继禹;寇琳媛;薛莲;刘志文;. 基于壳单元虚拟偏置的HCA形貌优化分析[J]. 机械设计与研究, 2019, 35(06): 1-5. |
[14] | 张航;许昕;潘宏侠;梁海英;. 基于ITD与PSO-SVM的供输弹系统故障诊断[J]. 机械设计与研究, 2019, 35(06): 197-200. |
[15] | 陆纪文;. 基于MCKD与1.5维Teager能量谱的滚动轴承故障诊断方法[J]. 机械设计与研究, 2019, 35(03): 100-103. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||