本文主要研究内容
作者艾延廷,孙志航,田晶,许鹭,王志（2019）在《基于KPCA信息融合与随机森林的中介轴承故障诊断方法》一文中研究指出：针对航空发动机中介轴承故障信号传递结构复杂且路径长、信噪比低的问题,提出了一种基于核主元分析(KPCA)与随机森林(Random Forest)相结合的故障诊断新方法,利用EEMD处理非线性信号的优势进行信号分析。首先,将采集的声发射信号分解成多个IMF分量,为兼顾时域和频域信息,提取各个IMF分量的样本熵(SampEn)和奇异熵(SingEn)作为各层信号的时频特征。利用KPCA将各分量的样本熵和奇异熵融合,并降低维度得到体现时频信息的数据样本,最后训练出以随机森林为模型的多类分类器。研究表明,基于KPCA信息融合与随机森林的中介轴承故障方法有效,故障识别准确率可达95%以上。
Abstract
zhen dui hang kong fa dong ji zhong jie zhou cheng gu zhang xin hao chuan di jie gou fu za ju lu jing chang 、xin zao bi di de wen ti ,di chu le yi chong ji yu he zhu yuan fen xi (KPCA)yu sui ji sen lin (Random Forest)xiang jie ge de gu zhang zhen duan xin fang fa ,li yong EEMDchu li fei xian xing xin hao de you shi jin hang xin hao fen xi 。shou xian ,jiang cai ji de sheng fa she xin hao fen jie cheng duo ge IMFfen liang ,wei jian gu shi yu he pin yu xin xi ,di qu ge ge IMFfen liang de yang ben shang (SampEn)he ji yi shang (SingEn)zuo wei ge ceng xin hao de shi pin te zheng 。li yong KPCAjiang ge fen liang de yang ben shang he ji yi shang rong ge ,bing jiang di wei du de dao ti xian shi pin xin xi de shu ju yang ben ,zui hou xun lian chu yi sui ji sen lin wei mo xing de duo lei fen lei qi 。yan jiu biao ming ,ji yu KPCAxin xi rong ge yu sui ji sen lin de zhong jie zhou cheng gu zhang fang fa you xiao ,gu zhang shi bie zhun que lv ke da 95%yi shang 。
论文参考文献
论文详细介绍
论文作者分别是来自沈阳航空航天大学学报的艾延廷,孙志航,田晶,许鹭,王志，发表于刊物沈阳航空航天大学学报2019年05期论文，是一篇关于核主元分析论文,随机森林论文,中介轴承论文,信息融合论文,声发射信号论文,故障诊断论文,沈阳航空航天大学学报2019年05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，资料来自沈阳航空航天大学学报2019年05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。
标签：核主元分析论文; 随机森林论文; 中介轴承论文; 信息融合论文; 声发射信号论文; 故障诊断论文; 沈阳航空航天大学学报2019年05期论文;