|
|||||
|
|
| 云模型和集成极限学习机相结合的滚动轴承故障诊断方法 | |
| 作者姓名： | 赵荣珍 马森财 吴耀春 |
| 作者单位： | 兰州理工大学 机电工程学院,甘肃 兰州 730050 |
| 基金项目： | 国家自然科学基金(51675253) |
| 摘 要： | 针对轴承振动信号的不确定性和非平稳性以及BP神经网络学习算法收敛速度慢、稳定性差等问题,提出了基于云模型和集成极限学习机的滚动轴承故障模式识别方法.将经预处理之后的信号进行云化,产生滚动轴承在不同状态下的信号云;提取出决定信号云分布的期望、熵和超熵三个参数作为表征轴承状态的特征量并依此构造出原始的轴承状态数据集;再将故... |
| 关 键 词： | 滚动轴承 故障诊断 云理论 集成学习 神经网络 |
| 收稿时间： | 2019-10-17 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《兰州理工大学学报》浏览原始摘要信息 | |
| 点击此处可从《兰州理工大学学报》下载全文 | |