【摘 要】
：
为了解决智能监测和故障诊断中故障样本缺乏的问题,提出一种支持向量数据描述（support vector data description,SVDD）和经验模态分解（empirical mode decomposition,EMD）相结合
论文部分内容阅读
为了解决智能监测和故障诊断中故障样本缺乏的问题,提出一种支持向量数据描述（support vector data description,SVDD）和经验模态分解（empirical mode decomposition,EMD）相结合的单分类方法。该方法在只有正常状态数据样本而无需故障样本的情况下可以建立起单值分类器,从而区分出机器的运行状态。采用经验模态分解对数据进行预处理,提取信号在不同频带的能量特征作为SVDD的输入参数进行分类。将该方法应用于滚动轴承的故障诊断中,试验结果表明,该方法可以比传统的
其他文献
随着钢结构技术的发展,钢结构高周疲劳问题越来越受到重视,从1829年至今钢结构的疲劳研究经历了从最初的宏观疲劳试验研究到目前的细观疲劳机理研究的变化。纵观整个研究过程
基于近年来分子系统学研究结果，石竹科无心菜属(ArenariaL.)齿瓣亚属[subgen.Odontostemma(G.Don)Williams]在属水平的地位得以恢复，该亚属中相关物种名也因此被组合至齿瓣无心
首先探讨如何根据拉格朗日-欧拉方法，用符号计算软件Mathematica推导机器人动力学方程，而后导出一个具有三个旋转自由度的机器人的动力学模型；其次在考虑机器人动力学、关节电机
在载流薄板的磁弹性非线性运动方程、物理方程、几何方程、洛仑兹力表达式及电动力学方程的基础上，导出四边简支载流矩形薄板在电磁场与机械载荷共同作用下的磁弹性动力屈曲方