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:
汽车油泵作为燃油供给系统的重要组成部件,其工作环境恶劣导致内部机械部件极易产生磨损.针对样本数据较少以及从寿命角度分析产品可靠性无法反映出研究对象特征量动态变化的问题,提出一种基于支持向量数据描述(SVDD)的寿命分析方法,通过振动监测技术,利用PCA法融合汽车油泵振动信号的时域、频域各特征量得到性能退化指标,以此作为输入构建基于SVDD的汽车油泵寿命分析模型.结果表明,该方法在样本数据较少的情况下,不仅可以有效地对油泵的工作状态进行监测,同时可以更准确、直观的反映出油泵性能退化过程.
推荐文章
基于支持向量数据描述的数据约简
支持向量机
支持向量数据描述
数据约简
分类
基于RBF的支持向量数据描述算法性能分析
支持向量数据描述
核函数
高斯核函数
单值分类
基于数据域描述的模糊支持向量回归
支持向量机
数据域描述
模糊隶属度
建模
基于核相似度支持向量数据描述的间歇过程监测
核相似度
支持向量数据描述
动态监测
间歇过程
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 基于支持向量数据描述的汽车油泵寿命分析
来源期刊 制造业自动化 学科 交通运输
关键词 油泵 SVDD 寿命分析 性能退化指标 PCA
年,卷(期) 2018,(11) 所属期刊栏目 检测与监控
研究方向 页码范围 7-11,48
页数 6页 分类号 U461.7
字数 3773字 语种 中文
DOI 10.3969/j.issn.1009-0134.2018.11.003
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 左付山 南京林业大学汽车与交通工程学院 30 84 5.0 8.0
2 张营 南京林业大学汽车与交通工程学院 12 19 2.0 4.0
3 吕晓 南京林业大学汽车与交通工程学院 3 1 1.0 1.0
4 周天 南京林业大学汽车与交通工程学院 3 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  (40)
共引文献  (32)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(7)
  • 参考文献(4)
  • 二级参考文献(3)
2014(9)
  • 参考文献(0)
  • 二级参考文献(9)
2015(5)
  • 参考文献(3)
  • 二级参考文献(2)
2016(9)
  • 参考文献(4)
  • 二级参考文献(5)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 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
油泵
SVDD
寿命分析
性能退化指标
PCA
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
制造业自动化
月刊
1009-0134
11-4389/TP
大16开
北京德胜门外教场口1号
2-324
1979
chi
出版文献量(篇)
12053
总下载数(次)
12
总被引数(次)
59694
论文1v1指导