作者袁兵,余佳翰,邹永向（2019）在《基于EEMD-SVM的液压泵故障诊断》一文中研究指出：为提高利用液压泵振动信号进行故障诊断的准确率和减小诊断时间,采用集合经验模态分解(EEMD)的方式来提取振动信号特征,并将其作为液压泵故障诊断的数据集。在此基础上利用支持向量机(SVM)与深度神经网络(DNN)进行故障诊断,最后通过验证数据集检验模型诊断故障的准确程度。结果表明:EEMD-SVM在液压泵故障诊断方面具有较好的性能,与神经网络故障诊断模型相比,支持向量机模型在液压泵故障诊断方面具有更高的准确率和更短的诊断时间。
wei di gao li yong ye ya beng zhen dong xin hao jin hang gu zhang zhen duan de zhun que lv he jian xiao zhen duan shi jian ,cai yong ji ge jing yan mo tai fen jie (EEMD)de fang shi lai di qu zhen dong xin hao te zheng ,bing jiang ji zuo wei ye ya beng gu zhang zhen duan de shu ju ji 。zai ci ji chu shang li yong zhi chi xiang liang ji (SVM)yu shen du shen jing wang lao (DNN)jin hang gu zhang zhen duan ,zui hou tong guo yan zheng shu ju ji jian yan mo xing zhen duan gu zhang de zhun que cheng du 。jie guo biao ming :EEMD-SVMzai ye ya beng gu zhang zhen duan fang mian ju you jiao hao de xing neng ,yu shen jing wang lao gu zhang zhen duan mo xing xiang bi ,zhi chi xiang liang ji mo xing zai ye ya beng gu zhang zhen duan fang mian ju you geng gao de zhun que lv he geng duan de zhen duan shi jian 。
论文作者分别是来自起重运输机械的袁兵,余佳翰,邹永向，发表于刊物起重运输机械2019年20期论文，是一篇关于液压泵论文,集合经验模态分解论文,支持向量机论文,故障诊断论文,起重运输机械2019年20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，资料来自起重运输机械2019年20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。
本文来源: https://www.lw00.cn/article/e3354bc79d12b05489c74787.html