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
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
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...
