基于灰关联信息熵的SVM决策树轴承故障分类
  • 摘要
  • | |
  • 访问统计
  • | |
  • 相似文献
  • | | |
  • 文章评论
    摘要:

    为提高轴承故障诊断的准确率,以灰色关联理论和信息熵理论为基础,提出了基于灰关联信息熵提取属性特征的支持向量机决策树多故障分类器。该分类器可以实现对轴承的多故障类型的分类,并对轴承的各类故障进行了分类实验。验证结果表明,该方法可有效地进行故障状态识别,达到了准确进行机械系统多故障诊断的目的。

    Abstract:

    To improve the accuracy of bearing fault diagnosis, a support vector machine decision tree multi-fault classifier, which extracts attribute characteristics by using grey correlation Information entropy, is proposed based on grey correlation theory and information entropy theory. The classifier achieves the classification of multiple fault types of bearing, verifying various faults of bearing. The result shows that the method can recognize the fault condition effectively, achieving the purpose of the accurate multi fault diagnosis of mechanical systems.

    参考文献
    相似文献
    引证文献
    网友评论
    网友评论
    分享到微博
    发 布
引用本文
分享
文章指标
  • 点击次数:586
  • 下载次数: 876
  • HTML阅读次数: 0
  • 引用次数: 0
历史
  • 在线发布日期: 2013-09-01
您是第位访问者
振动、测试与诊断 ® 2025 版权所有
技术支持:北京勤云科技发展有限公司
请使用 Firefox、Chrome、IE10、IE11、360极速模式、搜狗极速模式、QQ极速模式等浏览器,其他浏览器不建议使用!