作者:
原文服务方: 机械研究与应用       
摘要:
为更好的对齿轮箱进行有效的故障诊断,通过SVM(支持向量机)和LSSVM(最小二乘支持向量机)分别对齿轮箱故障特征向量进行故障识别,然后将识别结果在准确率和运行时间两个维度进行比较,最终确立LSSVM在齿轮箱故障诊断中的优越性.
推荐文章
基于MF-DFA和SVM的齿轮箱故障诊断
多重分形
去趋势波动分析
支持向量机
故障诊断
基于MED-SVM的齿轮箱故障诊断方法
最小熵反褶积
支持向量机
特征提取
交叉验证
故障诊断
基于多重分形和PSO-SVM的齿轮箱故障诊断
齿轮箱
分形理论
多重分形
PSO-SVM
故障诊断
齿轮箱复合故障诊断方法及其应用研究
齿轮箱
复合故障
变分模态分解
最大相关峭度解卷积
特征分离
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 SVM和LSSVM应用于齿轮箱故障诊断中的对比研究
来源期刊 机械研究与应用 学科
关键词 齿轮箱 故障诊断 SVM LSSVM
年,卷(期) 2016,(6) 所属期刊栏目 应用与试验
研究方向 页码范围 100-102
页数 3页 分类号 TH12
字数 语种 中文
DOI 10.16576/j.cnki.1007-4414.2016.06.030
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 原平 山西机电职业技术学院汽车工程系 5 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (126)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(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)
研究主题发展历程
节点文献
齿轮箱
故障诊断
SVM
LSSVM
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