声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：31-1316/TU
国际刊号：1000-3835
发布日期:
作者：刘思思，谭建平，易子馗
单位：中南大学 高性能复杂制造国家重点实验室,湖南 长沙，410083
关键词：车窗电机噪声；梅尔倒谱系数；支持向量机；汉宁自卷积窗；人工蜂群算法
为提高车窗电机异常噪声特征提取的有效性及分类识别的准确性，提出一种以优化的梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient, MFCC)为特征值，以支持向量机(Support Vector Machine，SVM)为噪声辨识模型的电机异常噪声辨识方法。在MFCC提取方法基础上，针对频谱泄漏，用Hanning自卷积窗代替Hanning窗，获得优化的MFCC，并将其作为特征值输入到SVM进行异常噪声辨识。为提高SVM判别准确率，采用人工蜂群算法实现SVM参数选择优化。实验结果表明，该方法能够有效判别电机是否存在异响，准确率达到91%。<br>
来源：2017年第5期
《振动与冲击》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。