文档名：基于局部均值分解的极限学习机的轴承故障分类方法
极限学习机(ExtremeLearningMachine,ELM)是一种基于单隐层前馈神经网络的新型快速学习算法,为提高ELM对故障分类的准确性,提出一种基于局部均值分解(LocalMeanDecomposition,LMD)的ELM的轴承故障分类方法.首先用LMD对故障信号进行分解,得到若干乘积函数(ProductionFunction,PF),然后提取与原信号相关度较大的PF分量重构成新的待测数据;其次,建立轴承的极限学习机故障分类模型;最后,将参数指标组成的特征向量输入ELM进行故障的分类识别.实验表明,与ELM直接分类相比,新方法能以更高的准确率进行轴承故障分类.
作者：高云向家伟
作者单位：温州大学机电工程学院,浙江温州325035
母体文献：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议论文集
会议名称：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议
会议时间：2018年8月1日
会议地点：内蒙古包头
主办单位：中国机械工程学会,中国振动工程学会,中国设备管理协会
语种：chi
分类号：
关键词：轴承故障分类 极限学习机 局部均值分解
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文
- 文件大小:
- 528.92 KB
- 下载次数:
- 60
-
高速下载
|
|
