本文主要研究内容
作者张雪英,栾忠权,刘秀丽（2019）在《基于IWT_SE与GA_SVM的齿轮磨损检测》一文中研究指出：为了实现齿轮运行过程中的磨损程度准确识别,提出了基于改进小波阈值样本熵(IWT_SE)与遗传算法优化支持向量机(GA_SVM)的齿轮磨损程度检测方法。首先,对齿轮振动信号进行改进小波阈值降噪;其次,计算降噪后信号的样本熵,组成特征向量;最后,将特征向量输入基于GA_SVM建立的分类器进行故障识别分类。通过齿轮实验数据分析了算法中的参数选取问题;将该方法用于齿轮实验数据,并与传统小波阈值函数样本熵分别与BPNN,PNN,SVM,PSO_SVM相结合的方法进行对比分析,结果表明,IWT_SE与GA-SVM相结合时识别准确率最高,达95%,证明文中所提方法对齿轮磨损程度识别具有一定实际应用价值。
Abstract
wei le shi xian chi lun yun hang guo cheng zhong de mo sun cheng du zhun que shi bie ,di chu le ji yu gai jin xiao bo yu zhi yang ben shang (IWT_SE)yu wei chuan suan fa you hua zhi chi xiang liang ji (GA_SVM)de chi lun mo sun cheng du jian ce fang fa 。shou xian ,dui chi lun zhen dong xin hao jin hang gai jin xiao bo yu zhi jiang zao ;ji ci ,ji suan jiang zao hou xin hao de yang ben shang ,zu cheng te zheng xiang liang ;zui hou ,jiang te zheng xiang liang shu ru ji yu GA_SVMjian li de fen lei qi jin hang gu zhang shi bie fen lei 。tong guo chi lun shi yan shu ju fen xi le suan fa zhong de can shu shua qu wen ti ;jiang gai fang fa yong yu chi lun shi yan shu ju ,bing yu chuan tong xiao bo yu zhi han shu yang ben shang fen bie yu BPNN,PNN,SVM,PSO_SVMxiang jie ge de fang fa jin hang dui bi fen xi ,jie guo biao ming ,IWT_SEyu GA-SVMxiang jie ge shi shi bie zhun que lv zui gao ,da 95%,zheng ming wen zhong suo di fang fa dui chi lun mo sun cheng du shi bie ju you yi ding shi ji ying yong jia zhi 。
论文参考文献
论文详细介绍
论文作者分别是来自组合机床与自动化加工技术的张雪英,栾忠权,刘秀丽，发表于刊物组合机床与自动化加工技术2019年04期论文，是一篇关于改进小波阈值论文,样本熵论文,支持向量机论文,组合机床与自动化加工技术2019年04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，资料来自组合机床与自动化加工技术2019年04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。