收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于RCMDE和GA-SVM的矿用滚动轴承故障诊断

赵国社  黄丹璐  赵鑫  
【摘要】:针对传统特征进行矿用轴承故障诊断时可靠性、准确性低的问题,提出了基于精细复合多尺度散布熵(RCMDE)和支持向量机(SVM)的矿用滚动轴承故障诊断方法。针对难以选取合适的SVM参数问题,使用遗传算法(GA)确定SVM参数最优值。经实验验证,本文方法能够更准确地提取滚动轴承的故障特征信息,有效识别滚动轴承故障类型。

知网文化
【相似文献】
中国期刊全文数据库 前17条
1 王建华;;关于提升机滚动轴承故障分析及研究[J];中国石油和化工标准与质量;2020年21期
2 陆爽,张子达,李萌;基于时频分析的滚动轴承故障特征的研究[J];矿山机械;2004年03期
3 黄志昌;;基于神经网络的煤矿机械滚动轴承故障诊断研究[J];煤矿机械;2020年04期
4 严超;;基于GA-SVM的主要影响角正切求取方法研究[J];黑龙江工程学院学报;2016年06期
5 陈宏念;谭志祥;高明章;刘玮璞;;基于GA-SVM的条带开采下沉系数预测[J];煤炭技术;2016年05期
6 马砺;张鹏宇;郭睿智;魏高明;邹立;魏泽;;巷道火灾密闭过程烟气温度预测的GA-SVM模型[J];中国矿业大学学报;2021年04期
7 张宝安;佟胤凝;徐驰;;煤与瓦斯突出预测的GA-SVM模型及应用[J];资源开发与市场;2015年02期
8 张钦礼;李浩;刘吉祥;刘群武;陈秋松;;基于GA-SVM模型预测减水剂对充填体强度的影响[J];科技导报;2015年11期
9 张钦礼;陈秋松;王新民;肖崇春;;全尾砂絮凝沉降参数GA-SVM优化预测模型研究[J];中国安全生产科学技术;2014年05期
10 王启广;“防爆冲击脉冲计及井下运输机械滚动轴承故障诊断系统”通过鉴定[J];矿山机械;2000年08期
11 郭瑞;徐广璐;;基于信息融合与GA-SVM的煤矿瓦斯浓度多传感器预测模型研究[J];中国安全科学学报;2013年09期
12 张应红;李聪;景晖;闫建军;;基于人工神经网络技术的矿用皮带机滚动轴承故障诊断[J];机床与液压;2014年03期
13 姚明镜;唐璇;覃俊;苏国建;;基于小波变换的煤矿机械滚动轴承故障诊断[J];煤矿机械;2021年01期
14 刘朝阳;王安义;李蓉;;基于GA-SVM算法的矿井多模无线信号调制识别[J];科学技术与工程;2020年06期
15 韩进;王颖;施龙青;高卫富;;基于GA-SVM大采深条件下底板破坏深度回归分析[J];煤炭技术;2017年06期
16 刘宁;;基于VMD混合特征提取和ANFIS的滚动轴承故障诊断方法[J];煤矿机械;2020年06期
17 李文明;魏铁建;;积分双谱在滚动轴承故障诊断中的应用[J];矿山机械;2015年01期
中国重要会议论文全文数据库 前1条
1 赵宏;;基于优化遗传神经网络的井下运输机械滚动轴承故障诊断[A];第二十三届中国控制会议论文集(下册)[C];2004年
中国硕士学位论文全文数据库 前6条
1 鲁学富;基于GA-SVM的采空区煤自燃预警技术研究及应用[D];西安科技大学;2020年
2 周亮;矿用绞车滚动轴承故障诊断系统设计[D];重庆大学;2014年
3 赵见龙;矿井主通风机滚动轴承故障诊断方法的研究与应用[D];山东科技大学;2019年
4 徐广璐;基于改进GA-SVM算法的瓦斯涌出量预测研究[D];辽宁工程技术大学;2014年
5 张国祯;基于卷积神经网络的采煤机摇臂传动系统滚动轴承故障诊断方法研究[D];西安科技大学;2020年
6 董晓雷;基于GA-SVM的煤层瓦斯涌出里量预测技术研究[D];辽宁工程技术大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978