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:
提出基于近邻元分析(Neighborhood Component Analysis,NCA)的滚动轴承故障诊断模型。利用 NCA 技术对滚动轴承信号的时、频域特征向量降维,并对降维后向量分类,成功区分滚动轴承四种状态。通过 Fisher 判别函数定量分析目标维数对 NCA 降维效果影响,确定最佳特征约简目标维数。为突出 NCA 方法优势,将 NCA 与 PCA(Principle Component Analysis)两种不同降维方法进行对比。实验结果表明,NCA 作为监督式降维方法,其聚类效果好于 PCA。
推荐文章
基于局部均值分解和K近邻算法的滚动轴承故障诊断方法
滚动轴承
局部均值分解
K近邻算法
特征提取
故障诊断
基于EMD的滚动轴承故障诊断方法研究
故障诊断
滚动轴承
经验模态分解
峭度系数
Hilbert变换
基于多尺度熵的滚动轴承故障诊断方法
样本熵
多尺度熵
滚动轴承
故障诊断
复杂性
基于小波变换的滚动轴承故障诊断分析
小波分析
滚动轴承
故障诊断
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 基于近邻元分析的滚动轴承故障诊断方法
来源期刊 振动与冲击 学科 工学
关键词 近邻元分析 特征约简 滚动轴承 故障诊断
年,卷(期) 2015,(2) 所属期刊栏目
研究方向 页码范围 138-142
页数 5页 分类号 TH212|TH213.3
字数 3237字 语种 中文
DOI 10.13465/j.cnki.jvs.2015.02.024
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 董广明 上海交通大学振动冲击噪声研究所 30 363 9.0 19.0
5 陈进 上海交通大学振动冲击噪声研究所 109 1353 21.0 33.0
9 周海韬 上海交通大学振动冲击噪声研究所 2 24 1.0 2.0
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)
2015(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
近邻元分析
特征约简
滚动轴承
故障诊断
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