典型文献
基于卷积网络与自适应SVM的齿轮箱故障诊断
文献摘要：
针对齿轮箱运作过程中故障诊断效果不理想的问题,提出了一种卷积神经网络(CNN)与粒子群优化的支持向量机(PSO-SVM)方法.首先利用特征参量求出信号的时频特征统计量,其次利用卷积神经网络对时频特征统计量进行二次特征提取,最后利用粒子群优化的支持向量机进行分类.经实验验证,此方法准确率不仅高于其他经典网络模型,而且训练时间最短.
文献关键词：
卷积神经网络;支持向量机;齿轮箱;故障诊断;粒子群优化算法
中图分类号：
作者姓名：
段泽森;郝如江;张晓锋;程旺;夏晗铎
作者机构：
石家庄铁道大学机械工程学院,河北石家庄050043
文献出处：
引用格式：
[1]段泽森;郝如江;张晓锋;程旺;夏晗铎-.基于卷积网络与自适应SVM的齿轮箱故障诊断)[J].国防交通工程与技术,2022(02):21-24,4
A类：
B类：
卷积网络,齿轮箱故障诊断,诊断效果,PSO,特征参量,时频特征,特征统计,统计量,训练时间,时间最短,粒子群优化算法
AB值：
0.195648
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。
