典型文献
基于PARAFAC分析和SVM离心泵故障诊断方法
文献摘要：
在多尺度平行因子分析理论的基础上,将原始信号经过多尺度小波分解得到三维时频信号,再经平行因子分析得到通道加载因子、时间加载因子和频率加载因子,通过实验分析,后二者可以明显地表征设备正常或故障状态,利用这一特征建立不同状态的离心泵与其对应的时间加载因子和频率加载因子的映射关系,并以此作为改进粒子群算法优化后的支持向量机分类器的特征向量进行故障分类.与小波包能量特征相比,所提的这种诊断方法用于离心泵故障诊断时提取特征更为简便,所提分类器的分类准确率有显著提高,而其复杂度却没有明显增加.
文献关键词：
故障诊断;平行因子分析;支持向量机;离心泵
中图分类号：
作者姓名：
柯耀;王琪;苗育茁;黄浪;陈汉新
作者机构：
武汉工程大学 机电工程学院,武汉 430205
文献出处：
引用格式：
[1]柯耀;王琪;苗育茁;黄浪;陈汉新-.基于PARAFAC分析和SVM离心泵故障诊断方法)[J].噪声与振动控制,2022(01):106-111
A类：
B类：
PARAFAC,离心泵,故障诊断方法,平行因子分析,多尺度小波,小波分解,时频信号,再经,故障状态,映射关系,改进粒子群算法,算法优化,支持向量机分类器,特征向量,故障分类,小波包能量,能量特征,提取特征,提分,分类准确率
AB值：
0.303771
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。
