基于ELDA降维与MPA-SVM的滚动轴承故障诊断方法OA北大核心CSTPCD
Rolling Bearing Fault Diagnosis Method Based on ELDA Dimension Reduction and MPA-SVM
为了提高滚动轴承故障诊断精度,提出一种基于偏心线性判别分析(Eccentric Linear Discriminant Analysis,ELDA)降维算法与经海洋捕食者算法(Marine Predators Algorithm,MPA)优化的支持向量机(Support Vector Machine,SVM)相结合的滚动轴承故障诊断方法.首先对轴承信号应用时域和频域分析方法构建高维特征集,其次应用自适应最大似然估计方法(Adaptive Maxi…查看全部>>
In order to raise the fault diagnosis accuracy of rolling bearings,a new rolling bearing fault classification method based on Eccentric Linear Discriminant Analysis(ELDA)dimension reduction algorithm and Marine Predators Algorithm(MPA)optimized support vector machine was proposed.Firstly,the time domain and frequency domain analysis methods were used to construct the high dimension eigenmatrix of bearing signals.Then,the Adaptive Maximum Likelihood Estimatio…查看全部>>
刘运航;宋宇博;朱大鹏
兰州交通大学 机电技术研究所,兰州 730070兰州交通大学 机电技术研究所,兰州 730070兰州交通大学 交通运输学院,兰州 730070
机械工程
故障诊断滚动轴承特征降维海洋捕食者算法支持向量机
fault diagnosisrolling bearingfeature dimension reductionmarine predator algorithmsupport vector machine
《噪声与振动控制》 2024 (3)
包装件在流通过程中的振动可靠性分析和参数优化研究
117-124,8
甘肃省教育厅青年博士基金资助项目(2021QB-053)国家自然科学基金资助项目(51765028)
评论