2025年1月21日
星期二
|
欢迎来到佛山市图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
刘学
作品数:
1
被引量:32
H指数:1
供职机构:
哈尔滨理工大学电气与电子工程学院
更多>>
发文基金:
留学人员科技活动项目择优资助经费
国家教育部博士点基金
国家自然科学基金
更多>>
相关领域:
自动化与计算机技术
电子电信
更多>>
合作作者
王玉静
哈尔滨理工大学电气与电子工程学...
张云
哈尔滨工业大学电子与信息工程学...
姜义成
哈尔滨工业大学电子与信息工程学...
康守强
哈尔滨理工大学电气与电子工程学...
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
电子电信
1篇
自动化与计算...
主题
1篇
信号
1篇
信号处理
1篇
识别方法
1篇
非平稳
1篇
非平稳信号
1篇
IMF
机构
1篇
哈尔滨工业大...
1篇
哈尔滨理工大...
1篇
白俄罗斯国立...
作者
1篇
康守强
1篇
姜义成
1篇
张云
1篇
王玉静
1篇
刘学
传媒
1篇
电子与信息学...
年份
1篇
2014
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于集合经验模态分解敏感固有模态函数选择算法的滚动轴承状态识别方法
被引量:32
2014年
为了更有效地提取滚动轴承各状态振动信号的特征,该文提出了一种基于集合经验模态分解(EEMD)的敏感固有模态函数(IMF)选择算法。该算法对振动信号经EEMD分解后得到的固有模态函数采用峭度值、相关系数相结合的方法自动提取其敏感分量,以此获得振动信号的初始特征。再运用奇异值分解和自回归(AR)模型方法得到滚动轴承各状态振动信号的特征向量,并将其输入到改进的超球多类支持向量机中进行智能识别,从而实现滚动轴承的正常状态,不同故障类型及不同性能退化程度的各状态识别。实验结果表明,相比基于经验模态分解结合自回归模型或奇异值分解的特征提取方法,该方法可更有效地提取滚动轴承故障特征信息,且识别精度更高。
王玉静
康守强
张云
刘学
姜义成
Mikulovich V I
关键词:
信号处理
非平稳信号
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张