TY -的A2 -陈,永盟——徐、张盟——黄Darong AU - Min,唐盟——或者,案PY - 2020 DA - 2020/12/24 TI -滚动轴承的故障诊断方法结合合作能量特征提取和改进的最小二乘支持向量机SP - 6643167六世- 2020 AB -解决问题的轴承故障识别和分类变量的工作条件困难在工业领域,本文提出了一种新的方法基于能量优化多维故障特点和集成了一种改进的最小二乘支持向量机(LSSVM)。首先,因为传统的小波能量特征难以有效反映滚动轴承在不同工作条件下的特点,基于小波能量特征提取进行了详细分析,一个协作多维故障能量特征提取的方法结合的方法转移成分分析(TCA)构造,提高不同特性之间的歧视和密实度之间相同的滚动轴承故障的特征。然后,解决这个问题的局部最优的粒子群优化(PSO)在滚动轴承故障诊断和识别,一种改进的基于粒子群优化和小波突变优化LSSVM建立实现协作LSSVM动态参数的优化和调整。基于多维的LSSVM改善和优化能源特点,滚动轴承的故障诊断的新方法。最后,仿真和分析,验证了该算法的实验数据的不同的工作条件。实验结果表明,该方法可以有效地提取多维故障特征变量的工作条件下,具有很高的故障识别率。SN - 1024 - 123 - 2020/6643167 / 10.1155 x你——https://doi.org/10.1155/2020/6643167——摩根富林明——数学问题在工程PB - Hindawi KW - ER