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：曾柯，柏林
单位：1.重庆大学机械传动国家重点实验室，重庆 400044
关键词：齿轮箱；故障诊断；非线性特征；TWSVM
针对齿轮箱振动的非线性性，利用非线性特征测度的方法提取齿轮箱振动信号的故障特征。并利用双子支持向量机（Twin Support Vector Machine，简称TWSVM）对齿轮箱故障类别的辨识性能进行研究。TWSVM努力构造两个非平行的超平面来实现分类，它比支持向量机(Support Vector Machine，简称SVM)针对多分类问题具有更好的样本不均衡适应性，并且分类性能优势明显。对齿轮箱故障类别辨识的实验表明，与传统的SVM和BP神经网络算法相比较，TWSVM具有更高的分类准确率。<br>
来源：2018年第15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。