PHƯƠNG PHÁP CHẨN ĐOÁN HƯ HỎNG Ổ LĂN DỰA TRÊN THUẬT TOÁN AEDE-SVM VÀ VMD-SVD

AO HÙNG LINH
{"title":"PHƯƠNG PHÁP CHẨN ĐOÁN HƯ HỎNG Ổ LĂN DỰA TRÊN THUẬT TOÁN AEDE-SVM VÀ VMD-SVD","authors":"AO HÙNG LINH","doi":"10.46242/jstiuh.v57i03.4387","DOIUrl":null,"url":null,"abstract":"Bài báo này giới thiệu một phương pháp mới để chẩn đoán hư hỏng ổ lăn dựa trên máy véc tơ hỗ trợ (SVM) với các thông số được tối ưu bởi thuật toán tiến hóa vi phân thích ứng (AEDE). Trước tiên, những tín hiệu dao động gia tốc của ổ lăn được phân rã thành các hàm thành phần bằng phương pháp phân rã mô hình biến đổi (VMD). Sau đó các được trích xuất thành các ma trận đặc tính nhờ phương pháp phân rã giá trị đơn (SVD) để thu được các giá trị đơn. Thứ ba, các ma trận đặc tính này được dùng làm ma trận đầu vào cho bộ phân loại AEDE-SVM. Kết quả thực nghiệm cho thấy phương pháp đề xuất cho độ chính xác phân loại cao (100%) và thời gian ngắn hơn so với các phương pháp khác. \n  \n  \n ","PeriodicalId":16979,"journal":{"name":"Journal of Science and Technology - IUH","volume":"23 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-10-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Science and Technology - IUH","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.46242/jstiuh.v57i03.4387","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Bài báo này giới thiệu một phương pháp mới để chẩn đoán hư hỏng ổ lăn dựa trên máy véc tơ hỗ trợ (SVM) với các thông số được tối ưu bởi thuật toán tiến hóa vi phân thích ứng (AEDE). Trước tiên, những tín hiệu dao động gia tốc của ổ lăn được phân rã thành các hàm thành phần bằng phương pháp phân rã mô hình biến đổi (VMD). Sau đó các được trích xuất thành các ma trận đặc tính nhờ phương pháp phân rã giá trị đơn (SVD) để thu được các giá trị đơn. Thứ ba, các ma trận đặc tính này được dùng làm ma trận đầu vào cho bộ phân loại AEDE-SVM. Kết quả thực nghiệm cho thấy phương pháp đề xuất cho độ chính xác phân loại cao (100%) và thời gian ngắn hơn so với các phương pháp khác.      
基于AEDE-SVM和VMD-SVD算法的轴承故障诊断方法
本文介绍了一种新的基于支持向量机(SVM)的滚轮故障诊断方法,该方法采用自适应微分频进化算法(AEDE)优化参数。首先,通过可变模态衰减法将加速滚动的振动信号分解成元件函数。然后通过单值分解(SVD)方法提取属性矩阵来获取单值。第三,这些属性矩阵被用作AEDE-SVM分类的输入矩阵。实验结果表明,与其他方法相比,提出的分类精度高(100%),时间短。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信