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:
由于液压系统结构复杂程度的增加,以及实际使用工况的恶化,所以增加了多种故障模式同时发生的可能性.但是,工程实际中可用的故障样本数量却非常有限,如何通过有限的数据进行多故障模式的准确识别成为一个亟待解决的问题.为此,首先研究了液压系统中液压缸、换向阀以及液压泵等元件的泄漏故障机理,进行了多元件泄漏故障模拟试验;然后对故障样本数据进行故障特征提取,采用粗糙集理论进行故障特征的约简;最后,在少样本的条件下,分别采用SVM和RBF神经网络进行液压系多故障模式的识别,并对分析结果进行了对比.结果表明通过建立多分类支持向量机在少样本情况下进行多故障模式识别方法的有效性.
推荐文章
基于多元图结构子模式表示的模式识别方法
模式识别
多元图表示
图形基元
特征基元
子模式
基于模式识别的装备故障诊断方法
复杂装备
模式识别
故障诊断
储运过程管道堵塞故障小样本模式识别方法
储运过程
模式识别
管道堵塞
支持向量机
参数优化
智能算法
基于多元数据图表示的可视化模式识别
模式识别
多元可视化
多元图表示
非高斯
类间重叠系数
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 液压系统多元件故障模式识别试验研究
来源期刊 液压与气动 学科 工学
关键词 液压系统 多故障模式 故障模拟试验 少样本 支持向量机
年,卷(期) 2014,(6) 所属期刊栏目 研究 设计
研究方向 页码范围 34-38
页数 5页 分类号 TH137
字数 3326字 语种 中文
DOI 10.11832/j.issn.1000-4858.2014.06.009
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 姜继海 哈尔滨工业大学机电工程学院 176 2148 26.0 35.0
2 赵秀栩 武汉理工大学机电工程学院 25 208 8.0 13.0
3 赵磊 武汉理工大学机电工程学院 20 102 6.0 9.0
4 张清润 哈尔滨工业大学机电工程学院 4 11 2.0 3.0
5 胡喆旻 武汉理工大学机电工程学院 2 6 1.0 2.0
6 周传丽 武汉理工大学机电工程学院 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (48)
共引文献  (515)
参考文献  (11)
节点文献
引证文献  (5)
同被引文献  (11)
二级引证文献  (4)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(7)
  • 参考文献(1)
  • 二级参考文献(6)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(10)
  • 参考文献(0)
  • 二级参考文献(10)
2009(9)
  • 参考文献(2)
  • 二级参考文献(7)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(3)
  • 参考文献(2)
  • 二级参考文献(1)
2012(3)
  • 参考文献(3)
  • 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)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(4)
  • 引证文献(3)
  • 二级引证文献(1)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
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
液压系统
多故障模式
故障模拟试验
少样本
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
液压与气动
月刊
1000-4858
11-2059/TH
大16开
北京市西城区德胜门外教场口1号
2-828
1977
chi
出版文献量(篇)
7875
总下载数(次)
16
总被引数(次)
44024
论文1v1指导