版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、本文開展了基于支持向量機(jī)(SupportVectorMachine---SVM)與遺傳算法(GeneticAlgorithms--GA)的故障模式識(shí)別及趨勢預(yù)測方法研究,利用支持向量機(jī)對滾動(dòng)軸承典型故障進(jìn)行了模式識(shí)別,同時(shí)應(yīng)用預(yù)測模型對齒輪狀態(tài)趨勢進(jìn)行預(yù)測,并利用遺傳算法分別對支持向量機(jī)分類過程和趨勢預(yù)測過程進(jìn)行了優(yōu)化分析,主要工作如下:
(1)基于SVM可以解決小樣本學(xué)習(xí)問題這一優(yōu)點(diǎn),提出利用SVM對滾動(dòng)軸承在正常、內(nèi)圈
2、缺陷、外圈缺陷和滾動(dòng)體缺陷條件下工作的四種狀態(tài)信號(hào)進(jìn)行識(shí)別分類,為了提高分類識(shí)別率,利用遺傳算法具有優(yōu)良空間搜索性能的特點(diǎn),對分類過程中的兩個(gè)重要核參數(shù)初始值進(jìn)行優(yōu)化,提出了基于GA算法的改進(jìn)SVM識(shí)別方法,研究結(jié)果表明:核參數(shù)初始值經(jīng)過GA優(yōu)化后SVM分類識(shí)別率得到了明顯提高,能較好地實(shí)現(xiàn)軸承典型故障類型的識(shí)別。
(2)為解決低轉(zhuǎn)速滾動(dòng)軸承故障特征難以提取的問題,利用小波變換技術(shù)具有高低頻分離、局部細(xì)化和時(shí)頻域內(nèi)特征提取
3、等性能優(yōu)點(diǎn),提出基于小波變換技術(shù)的低轉(zhuǎn)速滾動(dòng)軸承故障特征提取方法,對低轉(zhuǎn)速軸承正常、外圈缺陷、內(nèi)圈缺陷和滾動(dòng)體缺陷等四種狀態(tài)下的振動(dòng)信號(hào)進(jìn)行診斷分析,并結(jié)合SVM對軸承典型故障進(jìn)行了分類識(shí)別,由分析結(jié)果可知,利用小波變換與支持向量機(jī)技術(shù)相結(jié)合的方法處理低轉(zhuǎn)速滾動(dòng)軸承故障問題能夠取得很好的效果。
(3)為了預(yù)測齒輪狀態(tài)趨勢發(fā)展?fàn)顩r,建立三階函數(shù)方程預(yù)測模型對齒輪趨勢發(fā)展進(jìn)行模擬分析研究,利用GA良好的空間搜索性,提出基于GA
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機(jī)和遺傳算法股市預(yù)測.pdf
- 基于遺傳算法優(yōu)化支持向量機(jī)的圖像識(shí)別
- 基于支持向量機(jī)和遺傳算法的混凝土碳化預(yù)測研究.pdf
- 基于支持向量機(jī)和遺傳算法的人臉識(shí)別研究.pdf
- 基于量子遺傳算法和支持向量機(jī)的人臉識(shí)別方法.pdf
- 基于遺傳算法與支持向量機(jī)的接地網(wǎng)故障診斷.pdf
- 基于支持向量機(jī)的氣體傳感陣列模式識(shí)別方法研究.pdf
- 基于遺傳算法優(yōu)化支持向量機(jī)的鐵路客運(yùn)量預(yù)測.pdf
- 基于支持向量機(jī)的飛機(jī)運(yùn)動(dòng)模式識(shí)別研究.pdf
- 基于遺傳算法與支持向量機(jī)融合的特征基因抽取方法研究.pdf
- 生理信號(hào)的情感模式識(shí)別—基于遺傳算法的研究.pdf
- 基于支持向量機(jī)的多類模式識(shí)別模型.pdf
- 基于支持向量機(jī)和遺傳算法相結(jié)合的模擬電路故障診斷方法研究.pdf
- 基于遺傳算法的改進(jìn)支持向量機(jī)財(cái)務(wù)預(yù)警研究.pdf
- 遺傳算法和支持向量機(jī)混合方法及其應(yīng)用.pdf
- 基于遺傳算法的維權(quán)重支持向量機(jī)的研究.pdf
- 基于支持向量機(jī)的表面肌電信號(hào)模式識(shí)別方法研究.pdf
- 支持向量機(jī)并行訓(xùn)練算法與基于遺傳算法的參數(shù)優(yōu)化研究.pdf
- 畢業(yè)論文----基于遺傳算法的核支持向量機(jī)研究
- 基于支持向量機(jī)的禽蛋胚體模式識(shí)別系統(tǒng)的研究.pdf
評論
0/150
提交評論