原文服务方: 中国机械工程       
摘要:
提出基于多特征融合多核学习支持向量机的液压泵故障识别方法。该方法首先对原始信号进行集总经验模态分解,然后分别用AR模型和奇异值分解两种特征提取方法提取故障特征,最后将不同类型的特征分别用相应的核函数进行映射,用多核学习支持向量机来识别液压泵的工作状态和故障类型。实验结果表明该方法显著地提高了故障诊断的准确性。
推荐文章
基于支持向量机的低压故障电弧识别方法
支持向量机
核函数
故障电弧
基于支持向量机的煤岩界面识别方法
煤岩界面识别
小波包分解
支持向量机
基于IWMMDF的液压泵振动信号特征提取方法研究
多尺度形态学差值滤波器
加权
液压泵
特征提取
能量特征比
基于支持向量机的通信信号调制识别方法研究
支持向量机
模式识别
调制信号
识别分类
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 基于多特征融合多核学习支持向量机的液压泵故障识别方法
来源期刊 中国机械工程 学科
关键词 多核学习 多特征融合 支持向量机 故障识别 液压泵
年,卷(期) 2016,(24) 所属期刊栏目 科学基金
研究方向 页码范围 3355-3361
页数 7页 分类号 TP277
字数 语种 中文
DOI 10.3969/j.issn.1004-132X.2016.24.016
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 姜万录 燕山大学河北省重型机械流体动力传输与控制重点实验室 138 1777 24.0 35.0
3 朱勇 燕山大学河北省重型机械流体动力传输与控制重点实验室 18 154 9.0 12.0
9 刘志强 燕山大学河北省重型机械流体动力传输与控制重点实验室 2 23 2.0 2.0
18 谭文振 1 13 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (60)
共引文献  (229)
参考文献  (10)
节点文献
引证文献  (13)
同被引文献  (49)
二级引证文献  (9)
1909(1)
  • 参考文献(0)
  • 二级参考文献(1)
1950(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(5)
  • 参考文献(1)
  • 二级参考文献(4)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(6)
  • 参考文献(0)
  • 二级参考文献(6)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(6)
  • 参考文献(2)
  • 二级参考文献(4)
2006(8)
  • 参考文献(2)
  • 二级参考文献(6)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(6)
  • 参考文献(1)
  • 二级参考文献(5)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(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)
2018(5)
  • 引证文献(5)
  • 二级引证文献(0)
2019(11)
  • 引证文献(5)
  • 二级引证文献(6)
2020(6)
  • 引证文献(3)
  • 二级引证文献(3)
研究主题发展历程
节点文献
多核学习
多特征融合
支持向量机
故障识别
液压泵
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
中国机械工程
月刊
1004-132X
42-1294/TH
大16开
湖北省武汉市洪山区南李路湖北工业大学
1990-01-01
中文
出版文献量(篇)
13171
总下载数(次)
0
总被引数(次)
206238
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导