期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于主成分分析和支持向量机分类模型的滚动轴承故障诊断
被引量:
26
1
作者
韩松
徐林森
《科学技术与工程》
北大核心
2021年第8期3153-3158,共6页
为了提高滚动轴承故障诊断的准确率,提出一种基于主成分分析(principal component analysis,PCA)和支持向量机(support Vector machine,SVM)模型的滚动轴承故障诊断方法。通过比较不同方法计算的标准差和拉依达准则对数据进行误差分析,...
为了提高滚动轴承故障诊断的准确率,提出一种基于主成分分析(principal component analysis,PCA)和支持向量机(support Vector machine,SVM)模型的滚动轴承故障诊断方法。通过比较不同方法计算的标准差和拉依达准则对数据进行误差分析,利用MATLAB软件中的PCA函数对数据进行主成分分析,将8个原始变量降维成3个综合变量,分别从降维前和降维后的输入属性数据中随机选取70%的数据作为训练集来建立SVM分类模型和PCA-SVM分类模型,而把剩余的30%作为测试集来对模型的性能进行仿真测试。MATLAB仿真测试的结果表明,PCA-SVM模型的分类效果更好,其预测正确率对于绝大多数故障诊断来说是可以接受的,可以作为一种故障诊断的评价标准。
展开更多
关键词
故障诊断
滚动轴承
误差分析
主成分分析(PCA)
支持向量机(SVM)
下载PDF
职称材料
题名
基于主成分分析和支持向量机分类模型的滚动轴承故障诊断
被引量:
26
1
作者
韩松
徐林森
机构
中国科学院合肥物质科学研究院
中国科学
技术
大学
安徽省仿生感知与先进机器人技术重实验室
出处
《科学技术与工程》
北大核心
2021年第8期3153-3158,共6页
文摘
为了提高滚动轴承故障诊断的准确率,提出一种基于主成分分析(principal component analysis,PCA)和支持向量机(support Vector machine,SVM)模型的滚动轴承故障诊断方法。通过比较不同方法计算的标准差和拉依达准则对数据进行误差分析,利用MATLAB软件中的PCA函数对数据进行主成分分析,将8个原始变量降维成3个综合变量,分别从降维前和降维后的输入属性数据中随机选取70%的数据作为训练集来建立SVM分类模型和PCA-SVM分类模型,而把剩余的30%作为测试集来对模型的性能进行仿真测试。MATLAB仿真测试的结果表明,PCA-SVM模型的分类效果更好,其预测正确率对于绝大多数故障诊断来说是可以接受的,可以作为一种故障诊断的评价标准。
关键词
故障诊断
滚动轴承
误差分析
主成分分析(PCA)
支持向量机(SVM)
Keywords
fault diagnosis
rolling bearing
error analysis
principal component analysis(PCA)
support vector machine(SVM)
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于主成分分析和支持向量机分类模型的滚动轴承故障诊断
韩松
徐林森
《科学技术与工程》
北大核心
2021
26
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部