作者:
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:
针对高压隔膜泵单向阀的故障振动信号特征难以提取及诊断的问题, 文中采用KPCA和LSSVM相结合的方法进行故障诊断研究.对单向阀各状态信号运用双稳SR方法和DEMD算法进行信号预处理, 并利用K-L散度选择分解后的主分量进行时频域特征参数的提取以构建特征向量集.运用KPCA对向量集进行二次特征提取, 并将提取的特征向量输入到LSSVM诊断系统中, 以完成单向阀故障诊断及分类.经实验验证, 该方法的故障诊断率可达到90%, 能够较好的诊断出单向阀故障特征.
推荐文章
基于KPCA-LSSVM的健康档案空腹血糖水平预测研究
空腹血糖
健康档案
主成分分析(PCA)
核主成分分析(KPCA)
最小二乘向量机(LSSVM)
KPCA-LSSVM方法在视频时间序列预测中应用
时间序列预测
交通流量
视频流量
核主成分分析
最小二乘支持向量机
基于KPCA-LSSVM的软测量建模方法
软测量
核主成分分析(KPCA)
最小二乘支持向量机(LSSVM)
特征提取
多时域特征与SVM的隔膜泵单向阀故障诊断
单向阀
故障诊断
时域特征
SVM分类器
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KPCA-LSSVM的单向阀故障诊断研究
来源期刊 电子科技 学科 工学
关键词 单向阀 DEMD 特征向量 KPCA LSSVM 故障诊断
年,卷(期) 2019,(3) 所属期刊栏目
研究方向 页码范围 10-14,25
页数 6页 分类号 TN911.7|TH17
字数 3532字 语种 中文
DOI 10.16180/j.cnki.issn1007-7820.2019.03.003
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 牟竹青 昆明理工大学信息工程与自动化学院 5 7 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (130)
共引文献  (67)
参考文献  (17)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1981(2)
  • 参考文献(1)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(10)
  • 参考文献(0)
  • 二级参考文献(10)
2011(13)
  • 参考文献(0)
  • 二级参考文献(13)
2012(13)
  • 参考文献(2)
  • 二级参考文献(11)
2013(18)
  • 参考文献(1)
  • 二级参考文献(17)
2014(24)
  • 参考文献(2)
  • 二级参考文献(22)
2015(10)
  • 参考文献(3)
  • 二级参考文献(7)
2016(18)
  • 参考文献(3)
  • 二级参考文献(15)
2017(4)
  • 参考文献(4)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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
单向阀
DEMD
特征向量
KPCA
LSSVM
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
电子科技
月刊
1007-7820
61-1291/TN
大16开
西安电子科技大学
1987
chi
出版文献量(篇)
9344
总下载数(次)
32
总被引数(次)
31437
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导