Indexed by：
Abstract：
传统的旋转机械故障诊断存在需人工干预、诊断精度低等问题.为更好诊断旋转机械故障,提出基于核极限学习机的旋转机械故障诊断方法.首先在正常状态和转子不平衡、转子不对中、轴承座松动3种故障状态下采集旋转机械的振动信号,降噪后提取各频段小波能量作为故障特征,以此为基础建立基于核极限学习机的旋转机械故障诊断模型.在旋转机械故障模拟实验台上进行的应用实验表明,KELM方法比ELM有更高的稳定性,KELM的故障诊断准确率大于99 %,诊断性能优于极限学习机和支持向量机.
Keyword：
Reprint Author's Address：
Email：
Source ：
噪声与振动控制
ISSN： 1006-1355
Year： 2018
Issue： 2
Volume： 38
Page： 138-143
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 6
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
