基于分类器融合的刀具故障诊断方法研究

• 作者: 李巍 邢邦圣
• 来源期刊: 煤矿机械
• 学科: 工学
• 关键词: 刀具磨损 小波包 特征提取 神经网络分类器 分类器融合
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 故障·诊断
• 页码范围: 225-227
• 页数: 3页
• 分类号: TP391.5
• 字数: 1856字
• 语种: 中文
• DOI: 10.13436/j.mkjx.201402105

摘要

根据刀具磨损状态不同时其不同频带的能量不同,将小波包分解方法和基于神经网络的模糊系统融合器相结合,用于车刀状态诊断.采用小波包将信号分解为不同频带的信号,通过求取不同频带的均方根值提取各特征量,然后将特征向量分别输入BP、SVM、ELM、PNN 4种神经网络分类器,将不同分类器的分类结果应用模糊网络进行优化综合.实验结果表明:多分类融合分类识别效果比单个分类器效果要好,提高了对刀具状态的识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢邦圣	江苏师范大学机电工程学院	24	76	5.0	7.0
2	李巍	江苏师范大学机电工程学院	7	7	1.0	2.0