典型文献
基于监督核熵成分分析的发动机磨损故障诊断
文献摘要：
针对发动机受工作环境影响,导致油液光谱数据存在大量冗余信息且具有非线性结构,从而影响发动机故障诊断结果的问题,提出监督核熵成分分析(supervised kernel entropy component analysis,SKECA)的特征提取方法;该方法在核熵成分分析基础上引入监督学习算法,提取油液光谱数据的内在几何特征,使提取后的故障特征中包含判别信息,并利用遗传算法(genetic algorithm,GA)寻找参数来优化特征提取的结果,采用支持向量机对故障特征进行分类.结果 表明:采用SKECA进行特征提取能够有效提高发动机故障诊断精度.
文献关键词：
光谱;故障诊断;特征提取;核熵成分分析
中图分类号：
作者姓名：
祝志超;吴定会;岳远昌
作者机构：
江南大学物联网应用技术教育部工程研究中心,江苏无锡214122
文献出处：
引用格式：
[1]祝志超;吴定会;岳远昌-.基于监督核熵成分分析的发动机磨损故障诊断)[J].系统仿真学报,2022(01):45-52
A类：
SKECA
B类：
核熵成分分析,发动机磨损,磨损故障,油液,光谱数据,冗余信息,线性结构,诊断结果,supervised,kernel,entropy,component,analysis,入监,监督学习,几何特征,故障特征,genetic,algorithm,GA,故障诊断精度
AB值：
0.343577
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。
