登录    注册    忘记密码

期刊文章详细信息

基于RF-ELM的轴承故障诊断    

  

文献类型:期刊文章

作  者:崔立业[1] 陈楠[1]

机构地区:[1]吉林电力股份有限公司科技开发分公司,吉林吉林130022

出  处:《装备维修技术》

年  份:2020

期  号:16

起止页码:0132-0133

语  种:中文

收录情况:普通刊

摘  要:在工业迅猛发展、生产力大大提高的时代背景下,人工智能方法在解决机械设备的安全问题上有着巨大潜力。一 般的,机械设备的故障是目前主要的研究方向,其中齿轮箱、轴承故障是研究热点。通过对简单且容易获得的振 动信号进行分析,达到对机械故障的识别与预警。本研究提出了一种基于独热编码及随机森林特征选择的极限学 习机轴承故障识别算法,实验表明,经过特征提取与独热编码处理类别标签,能有效地提高识别准确率,降低故 障识别时间,能有效地解决轴承故障问题,减少生产危险事件的发生。

关 键 词:故障诊断 独热编码  随机森林  极限学习机

分 类 号:C[社会学类]

参考文献:

正在载入数据...

二级参考文献:

正在载入数据...

耦合文献:

正在载入数据...

引证文献:

正在载入数据...

二级引证文献:

正在载入数据...

同被引文献:

正在载入数据...

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心