TY -的A2 Burdzik Rafał盟——梁、明梁AU - Su, Dongmin AU -胡,Daidi盟——通用电气,Mingtao PY - 2018 DA - 2018/01/15 TI -一种新的滚动轴承故障诊断方法基于ELCD和极端学习机SP - 1891453六世- 2018 AB -一个基于当地characteristic-scale合奏的滚动轴承故障诊断方法分解(ELCD)和极端学习机(ELM)提出。振动信号分解使用ELCD和很多内在规模组件(isc)。接下来,时域指标、能源和内在规模的相对熵计算组件。根据基于距离的评估方法,灵敏度特性可以提取。最后,敏感性特征输入到极端的学习机器识别滚动轴承的故障类型。实验结果表明,该方法取得了更好的性能比支持向量机(SVM)和反向传播(BP)神经网络方法。SN - 1070 - 9622你——https://doi.org/10.1155/2018/1891453 - 10.1155 / 2018/1891453摩根富林明冲击和振动PB - Hindawi KW - ER