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:
为了对机械设备进行故障类型和故障部位的准确预测,提出了全矢支持向量回归的频谱预测新方法.该方法使用全矢谱信息融合技术对同源双通道信号进行信息融合,采用支持向量回归对全矢谱特征参数进行预测,保证了训练数据信息的全面性以及预测结果的准确性.该方法对振动信号的频谱结构分布情况进行准确预测,从而为对机组的故障类型和故障部位预测奠定技术基础.通过对某1 000MW汽轮机轴振进行频谱预测验证结果表明,该方法在对振动信号频谱结构特征进行预测方面具有较高的预测准确性.
推荐文章
基于支持向量回归的设备故障趋势预测
支持向量回归
BP神经网络
灰色模型
灰色-AR模型
故障趋势预测
Boosting集成支持向量回归机的滑坡位移预测
支持向量机
Boosting集成
Bagging
滑坡位移
预测
利用支持向量回归对燃爆单元宽度进行预测的方法研究
氢气燃爆
燃爆单元宽度
支持向量回归
机器学习
阵列波束优化的标准支持向量回归
支持向量机
标准支持向量回归
波束形成
阵列信号处理
阵列波束优化
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 全矢支持向量回归频谱预测方法
来源期刊 郑州大学学报(工学版) 学科 工学
关键词 全矢谱 支持向量回归 时间序列 频谱预测
年,卷(期) 2016,(3) 所属期刊栏目 机械工程
研究方向 页码范围 78-82
页数 5页 分类号 TH17
字数 4220字 语种 中文
DOI 10.10375/j.issn.1671-6833.2016.03.018
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 韩捷 郑州大学机械工程学院 196 1599 19.0 30.0
2 陈宏 郑州大学机械工程学院 60 374 13.0 17.0
3 李凌均 郑州大学机械工程学院 45 352 12.0 17.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (59)
共引文献  (59)
参考文献  (11)
节点文献
引证文献  (15)
同被引文献  (35)
二级引证文献  (12)
1970(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(1)
  • 二级参考文献(3)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(6)
  • 参考文献(1)
  • 二级参考文献(5)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(6)
  • 参考文献(4)
  • 二级参考文献(2)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(3)
  • 参考文献(2)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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)
2017(5)
  • 引证文献(5)
  • 二级引证文献(0)
2018(4)
  • 引证文献(4)
  • 二级引证文献(0)
2019(14)
  • 引证文献(5)
  • 二级引证文献(9)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
全矢谱
支持向量回归
时间序列
频谱预测
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
郑州大学学报(工学版)
双月刊
1671-6833
41-1339/T
大16开
河南省郑州市科学大道100号
36-232
1980
chi
出版文献量(篇)
3118
总下载数(次)
0
总被引数(次)
21814
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导