原文服务方: 机械研究与应用       
摘要:
介绍了蚁群算法基本原理,实验验证了蚁群聚类算法可用于轴承故障诊断,对比蚁群算法和BP神经网络在故障诊断中的不同,分析了蚁群算法在故障模式识别中的特点。
推荐文章
基于支持向量机的机械故障诊断方法研究
支持向量机
机械故障诊断
多故障分类器
基于PCA与蚁群算法的机械故障聚类诊断方法
主元分析
蚁群算法
聚类分析
故障诊断
基于蚁群算法的电路故障诊断研究
蚁群算法
神经网络
故障诊断
基于蚁群算法的模拟电路故障诊断
蚁群算法
近邻准则
故障诊断
故障识别
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 基于蚁群算法的机械故障智能诊断方法研究
来源期刊 机械研究与应用 学科
关键词 蚁群算法 BP神经网络 聚类分析
年,卷(期) 2014,(6) 所属期刊栏目 研究与分析
研究方向 页码范围 15-17
页数 3页 分类号 TH165.3
字数 语种 中文
DOI
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 吴伟 西安石油大学机械工程学院 40 447 9.0 20.0
2 桂博翔 西安石油大学机械工程学院 3 8 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (72)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (11)
二级引证文献  (1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
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
蚁群算法
BP神经网络
聚类分析
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
机械研究与应用
双月刊
1007-4414
62-1066/TH
大16开
甘肃省兰州市城关区金昌北路208号
1988-01-01
chi
出版文献量(篇)
7286
总下载数(次)
0
总被引数(次)
22351
论文1v1指导