原文服务方: 电工材料       
摘要:
提出了一种采用核主成分分析和粒子群优化支持向量机的电力机车笼型异步牵引电机故障诊断方法.先利用核主成分分析对故障数据进行特征提取,以获得的故障特征子集作为支持向量机故障分类器的训练样本,然后设计和构建了支持向量机多故障诊断系统.其中,支持向量机的参数通过粒子群优化算法进行了优化,最后实现对笼型异步牵引电机的故障诊断.实验结果分析表明,该方法能够有效地应用于电力机车笼型异步牵引电机的故障诊断.
推荐文章
改进粒子群算法优化支持向量机在故障诊断中的应用研究
支持向量机
故障诊断
粒子群算法优化
基于粒子群算法和支持向量机的故障诊断研究
最小二乘支持向量机
粒子群算法
故障诊断
全局最优
基于粒子群算法优化支持向量机汽车故障诊断研究
粒子群算法
支持向量机
汽车故障诊断
遗传聚类
基于粒子群优化支持向量机的电梯故障诊断
电梯
故障诊断
最优小波包
粒子群算法
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 核主成分分析和粒子群优化支持向量机在电力机车笼型异步牵引电机故障诊断中的应用研究
来源期刊 电工材料 学科
关键词 故障诊断 笼型异步牵引电机 核主成分分析 粒子群优化 支持向量机
年,卷(期) 2010,(2) 所属期刊栏目 电气技术
研究方向 页码范围 44-49
页数 分类号 TM922.71|U264|U269.32+2
字数 语种 中文
DOI 10.3969/j.issn.1671-8887.2010.02.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 何忠韬 兰州交通大学机电工程学院 28 73 5.0 6.0
2 刘军军 兰州交通大学机电工程学院 4 16 3.0 4.0
3 李全林 兰州交通大学机电工程学院 4 20 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (60)
共引文献  (231)
参考文献  (16)
节点文献
引证文献  (5)
同被引文献  (23)
二级引证文献  (7)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(11)
  • 参考文献(1)
  • 二级参考文献(10)
2004(12)
  • 参考文献(0)
  • 二级参考文献(12)
2005(12)
  • 参考文献(3)
  • 二级参考文献(9)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(7)
  • 参考文献(7)
  • 二级参考文献(0)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(6)
  • 引证文献(0)
  • 二级引证文献(6)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
故障诊断
笼型异步牵引电机
核主成分分析
粒子群优化
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电工材料
双月刊
1671-8887
45-1288/TG
大16开
1973-01-01
chi
出版文献量(篇)
1476
总下载数(次)
0
论文1v1指导