典型文献
基于时域特征的风机轴承PSO-RBF故障诊断
文献摘要：
为了提高风机轴承振动信号特征提取的效率和状态识别的可靠性,采用了一种基于粒子群优化的径向基(Particle Swarm Optimization-Radial Basis Function,PSO-RBF)神经网络模型的风机轴承故障诊断方法.从风机轴承的振动信号中提取17个时域特征构造特征向量,并分析特征向量的类可分性,将特征向量输入PSO-RBF模型,实现风机轴承状态的高可靠性判别分析.实验证明,所提方法具有较高的特征提取效率与识别精度.
文献关键词：
风机轴承;故障诊断;径向基神经网络;时域特征
中图分类号：
作者姓名：
张延琛
作者机构：
山东中烟有限责任公司济南卷烟厂,济南250000
文献出处：
引用格式：
[1]张延琛-.基于时域特征的风机轴承PSO-RBF故障诊断)[J].现代制造技术与装备,2022(10):13-16,20
A类：
B类：
时域特征,风机轴承,PSO,RBF,轴承振动,振动信号,信号特征提取,状态识别,粒子群优化,Particle,Swarm,Optimization,Radial,Basis,Function,轴承故障诊断,故障诊断方法,特征构造,构造特征,特征向量,可分性,高可靠性,判别分析,提取效率,识别精度,径向基神经网络
AB值：
0.346092
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
