基于深度学习特征提取和粒子群支持向量机状态识别的-中国机械工程.pdfVIP

下载本文档

9
0
约5.55万字
约 7页
2017-08-31 发布于天津
举报
版权申诉

基于深度学习特征提取和粒子群支持向量机状态识别的-中国机械工程.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于深度学习特征提取和粒子群支持向量机状态识别的-中国机械工程

中国机械工程第卷第期年月上半月２８９２０１７５基于深度学习特征提取和粒子群支持向量机状态识别的齿轮智能故障诊断时培明梁凯赵娜安淑君　　　　　 , , 燕山大学电气工程学院秦皇岛０６６００４ : , 、、摘要针对齿轮故障诊断问题利用数理统计特征提取方法深度学习神经网络粒子群算法和支持 , 向量机等技术提出了一种基于深度学习特征提取和粒子群支持向量机状态识别相结合的智能诊断模 . 型该模型利用深度学习自适应提取的频谱特征与数理统计方法提取的时域特征相结合组成联合特征 , . 向量然后利用粒子群支持向量机对联合特征向量进行故障诊断该模型在对多级齿轮传动系统试验 , . 台的故障诊断中实现了中速轴大齿轮不同故障类型的可靠识别获得了满意的诊断结果应用结果也验证了基于深度学习自适应提取频谱特征的有效性. : ; ; ; ; 关键词齿轮故障深度学习特征提取支持向量机智能诊断中图分类号: : / TH１３２．４１ DOI１０．３９６９．issn．１００４１３２X．２０１７．０９．００９ j IntellientFaultDianosisforGearsBasedonDee Learnin FeatureExtractionandParticleSwarm g g p g O timizationSVMStateIdentification p SHIPeimin　LIANGKai　ZHAONa　ANShuun g j , , , , ColleeofElectricalEnineerin YanshanUniversit QinhuandaoHebei０６６００４ g g g y g : , , AbstractForthefaultdianosisof ears usin statisticalmethodsforfeatureextraction dee g g g p ( ), , learnin neuralnetwork DNN articleswar