分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-04-17 合作期刊: 《计算机应用研究》
摘要： 针对以往模式识别方法的不足及特征值贡献度的问题，提出了基于特征加权的代理判别模型（agent discriminate model based feature weighted，ADMFW）模式识别方法。该方法的核心在于利用加权因子获取加权特征，并采用代理模型建立加权特征之间的关系函数，即首先计算特征值的权值因子，评估特征值的显著度，进而对每个特征值予以权值；然后利用加权特征和代理模型建立预测模型；最后采用预测模型对未知样本进行识别诊断。对滚动轴承实测数据的分析结果表明，ADMFW可以有效地对滚动轴承的工作状态和故障类型进行识别。
分类： 机械工程 >> 机械工程其他学科 分类： 计算机科学 >> 计算机应用技术 提交时间： 2017-12-26
摘要： 现有轴承故障诊断方法存在不足：传统方法数学计算复杂，诊断效果不佳，且一般只诊断故障位置，难以诊断载荷及故障大小。现有的利用卷积神经网络的方法，使用传统卷积神经网络，一个网络只能输出一个属性，不能同时诊断多个属性，为了同时诊断故障位置、故障大小及载荷，首次提出了一种多属性卷积神经网络，并应用于轴承故障诊断，直接利用一维振动信号对多属性卷积神经网络进行训练。优势在于克服了传统方法的缺点：能获得故障属性任意组合的诊断结果，网络参数更少，方法简洁，泛化能力强，准确率高。采用西储大学的轴承数据，进行了一系列测试，表明本文方法能准确地诊断轴承故障的多个属性，准确率高，同时有很好的泛化能力。
点击量
通过
点击量
下载量
评论
待评议
