肖国振：基于EEMD模糊熵和SVM的风机异常检测方法论文

本文主要研究内容

作者肖国振,朱静,邓艾东（2019）在《基于EEMD模糊熵和SVM的风机异常检测方法》一文中研究指出：针对基于机器学习的故障诊断方法能够解决辅机运行数据量大、变量间互相耦合的特点,提出一种基于EEMD模糊熵和SVM的风机故障诊断方法。首先利用EEMD分解振动信号得到若干个IMF分量,计算相关系数剔除无效分量,将有效IMF分量组成相应的倍频成分。计算不同倍频IMF分量的模糊熵并进行归一化计算,组成多维特征向量输入SVM对故障进行识别。与传统的SVM相比,该方法准确率提高了7%,提高了SVM模型对一次风机故障的识别准确率。

Abstract

zhen dui ji yu ji qi xue xi de gu zhang zhen duan fang fa neng gou jie jue fu ji yun hang shu ju liang da 、bian liang jian hu xiang ou ge de te dian ,di chu yi chong ji yu EEMDmo hu shang he SVMde feng ji gu zhang zhen duan fang fa 。shou xian li yong EEMDfen jie zhen dong xin hao de dao re gan ge IMFfen liang ,ji suan xiang guan ji shu ti chu mo xiao fen liang ,jiang you xiao IMFfen liang zu cheng xiang ying de bei pin cheng fen 。ji suan bu tong bei pin IMFfen liang de mo hu shang bing jin hang gui yi hua ji suan ,zu cheng duo wei te zheng xiang liang shu ru SVMdui gu zhang jin hang shi bie 。yu chuan tong de SVMxiang bi ,gai fang fa zhun que lv di gao le 7%,di gao le SVMmo xing dui yi ci feng ji gu zhang de shi bie zhun que lv 。

论文参考文献

[1].基于EEMD多尺度模糊熵的心电分类算法[J]. 王凤,潘广贞,孙艳青. 传感器与微系统.2018(12)

[2].一种广义模糊补运算和相应的广义模糊熵[J]. 支晓斌,范九伦. 模糊系统与数学.2008(01)

[3].基于直觉模糊熵的证据冲突度量方法[J]. 马飞. 电子设计工程.2016(20)

[4].一种自组织特征映射网络的模糊学习方法[J]. 王卫红,姚敏,谢建军. 计算机应用与软件.2000(02)

[5].基于广义模糊熵的故障特征参数选择[J]. 谢涛,张育林. 控制与决策.1999(06)

[6].特征分区的不确定性及模糊熵评判研究[J]. 刘璨,姚锡凡. 机械与电子.2005(07)

[7].一种基于最大模糊熵的高斯聚类算法[J]. 谭扬波,陈光. 电子科技大学学报.2000(03)

[8].基于VMD模糊熵和SVM的高压断路器故障诊断[J]. 张燕珂,王萱,万书亭. 电力科学与工程.2019(04)

[9].改进的模糊熵与图像局部信息相结合的遥感图像分割新算法[J]. 黄宁宁,贾振红,何迪,杨杰,庞韶宁. 激光杂志.2010(06)

[10].基于EEMD云模型与SVM的汽轮机转子故障诊断方法[J]. 田松峰,胥佳瑞,王美俊,韩强. 热力发电.2017(04)

论文详细介绍

论文作者分别是来自工业控制计算机的肖国振,朱静,邓艾东，发表于刊物工业控制计算机2019年06期论文，是一篇关于风机论文,模糊熵论文,故障诊断论文,工业控制计算机2019年06期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自工业控制计算机2019年06期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。

本文来源: https://www.lw50.cn/article/7b739d39f2531acfefb01232.html