基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对在该方法中,用核判别分析到机械故障诊断时核参数选取困难的问题,提出了一种基于贝叶斯最优核判别分析的机械故障诊断方法.首先采用梯度下降法优化同方差性准则确定最优核参数;然后采用最优核参数使用核判别分析将原始样本投影到一个最优子空间,在该子空间中各类样本具有最佳判别性;最后基于投影后的样本使用最近邻方法进行故障分类.将该方法应用于滚动轴承故障诊断,并与相关方法的诊断结果进行了比较,实验结果表明:该方法可获得与支持向量机同样的诊断正确率,并实现了最优核参数的自动选择.
推荐文章
基于Fisher判别分析的滚动轴承故障诊断方法
滚动轴承
故障诊断
模式识别
核函数Fisher判别分析
基于本体的机械故障诊断贝叶斯网络
故障诊断
本体建模
贝叶斯网络
概率推理
通信装备故障诊断贝叶斯网络
通信装备
故障诊断
贝叶斯网络
基于增量贝叶斯学习模型的在线电路故障诊断
贝叶斯
增量学习
在线诊断
电路故障
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 基于贝叶斯最优核判别分析的机械故障诊断
来源期刊 振动与冲击 学科 工学
关键词 故障诊断 滚动轴承 判别分析 核优化 支持向量机
年,卷(期) 2012,(13) 所属期刊栏目
研究方向 页码范围 26-30
页数 分类号 TP206.3|TH17
字数 4550字 语种 中文
DOI 10.3969/j.issn.1000-3835.2012.13.006
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 陈果 南京航空航天大学民航学院 178 3333 32.0 49.0
2 郝腾飞 南京航空航天大学民航学院 7 70 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2012(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)
研究主题发展历程
节点文献
故障诊断
滚动轴承
判别分析
核优化
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
振动与冲击
半月刊
1000-3835
31-1316/TU
大16开
上海市华山路1954号上海交通大学
4-349
1982
chi
出版文献量(篇)
12841
总下载数(次)
12
总被引数(次)
124504
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导