本文主要研究内容
作者覃爱淞,吕运容,张清华,胡勤,孙国玺（2019）在《蝙蝠算法优化极限学习机的滚动轴承故障分类》一文中研究指出：针对传统智能故障诊断方法在滚动轴承的故障诊断中诊断准确率不高的问题,引入了一种启发式搜索算法——蝙蝠算法(BA)优化极限学习机(ELM)的方法,利用ELM构建滚动轴承故障诊断分类模型;首先采用滚动轴承振动信号的5种代表性时域无量纲指标作为诊断模型输入特征,然后,利用蝙蝠算法的全局寻优能力对ELM模型的参数进行优化,获取最优输入权重和隐含层偏置的ELM分类模型,最后采用美国西储大学轴承数据中心网站公开发布的轴承探伤数据集验证算法诊断效果;实验结果表明:该方法可以有效地对滚动轴承不同故障状态进行识别,与BP神经网络、支持向量机(SVM)和极限学习机(ELM)方法比较,所提出的方法能够提高故障诊断准确率,达到99.17%。
Abstract
zhen dui chuan tong zhi neng gu zhang zhen duan fang fa zai gun dong zhou cheng de gu zhang zhen duan zhong zhen duan zhun que lv bu gao de wen ti ,yin ru le yi chong qi fa shi sou suo suan fa ——bian fu suan fa (BA)you hua ji xian xue xi ji (ELM)de fang fa ,li yong ELMgou jian gun dong zhou cheng gu zhang zhen duan fen lei mo xing ;shou xian cai yong gun dong zhou cheng zhen dong xin hao de 5chong dai biao xing shi yu mo liang gang zhi biao zuo wei zhen duan mo xing shu ru te zheng ,ran hou ,li yong bian fu suan fa de quan ju xun you neng li dui ELMmo xing de can shu jin hang you hua ,huo qu zui you shu ru quan chong he yin han ceng pian zhi de ELMfen lei mo xing ,zui hou cai yong mei guo xi chu da xue zhou cheng shu ju zhong xin wang zhan gong kai fa bu de zhou cheng tan shang shu ju ji yan zheng suan fa zhen duan xiao guo ;shi yan jie guo biao ming :gai fang fa ke yi you xiao de dui gun dong zhou cheng bu tong gu zhang zhuang tai jin hang shi bie ,yu BPshen jing wang lao 、zhi chi xiang liang ji (SVM)he ji xian xue xi ji (ELM)fang fa bi jiao ,suo di chu de fang fa neng gou di gao gu zhang zhen duan zhun que lv ,da dao 99.17%。
论文参考文献
论文详细介绍
论文作者分别是来自计算机测量与控制的覃爱淞,吕运容,张清华,胡勤,孙国玺，发表于刊物计算机测量与控制2019年05期论文，是一篇关于蝙蝠算法论文,极限学习机论文,无量纲指标论文,滚动轴承论文,故障诊断论文,计算机测量与控制2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机测量与控制2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：蝙蝠算法论文; 极限学习机论文; 无量纲指标论文; 滚动轴承论文; 故障诊断论文; 计算机测量与控制2019年05期论文;