江雁
- 作品数：3 被引量：8H指数：1
- 供职机构：西南交通大学机械工程学院更多>>
- 相关领域：自动化与计算机技术一般工业技术电气工程交通运输工程更多>>
- 基于EEMD-SVM的刀具磨损状态研究被引量：7
- 2016年
- 针对刀具磨损监测中信号的非平稳特性和小样本建模中神经网络容易陷入局部值的问题,提出基于多传感器信号,运用集合经验模态分解(ensemble empirical mode decomposition,EEMD)和支持向量机(support vector machine,SVM)相结合的算法,实现对刀具磨损多状态的识别。首先对振动信号进行集合经验模态分解,将其分解为若干个本征模态函数(intrinsic mode function,IMF)之和,然后计算得到三向切削力信号的均值和各本征模态函数分量的能量百分比值作为磨损状态分类特征,最后运用支持向量机和Elman神经网络对刀具在不同磨损状态下的特征数据样本进行训练和识别。实验结果证明该方法能很好地实现对刀具磨损状态的识别,与Elman神经网络相比,支持向量机具有更高的识别率,更适合小样本情况下刀具磨损状态的分类识别。
- 江雁傅攀李晓晖
- 关键词：支持向量机多传感器
- 滚动轴承故障诊断中常用的信号分析方法
- 2011年
- 本文介绍了滚动轴承故障诊断中故障特征提取的几种常用的信号分析方法，分别阐述了这几种信号分析方法的原理及其作用，总结了不同信号分析方法的适用情况．
- 江雁文娟刘天畅
- 关键词：故障特征提取小波包WALSH变换
