排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
为解决卷接机组无法对刀盘半轴机构轴承进行在线监测和故障诊断等问题,通过研究时域和频域统计指标对SVM(Support Vector Machine)分类结果的影响,建立了基于频域特征的SVM卷接机组轴承故障智能识别方法。以预制故障的FAG 2206-2RS-TVH型轴承为对象进行试验,将在不同故障类型和故障程度轴承上采集到的振动数据进行预处理、特征提取和SVM智能训练,并进行故障诊断测试,结果表明:①在不同转速和故障程度下,基于频域统计指标的SVM分类准确率均超过92%,能够在特定转速范围和不同故障程度下实现轴承状态分类。②基于时域统计指标的准确率为77.6%,基于频域统计指标的准确率为95.6%,表明频域统计指标的SVM分类结果显著优于时域指标。该方法可为实现卷接机组轴承故障智能识别提供支持。 相似文献
2.
3.
提出了一种当不同摄相机的观测结果之间的对应关系未知时,通过测量不同摄像机观测值之间的统计相关性来推断摄像机网络拓扑的新方法。具体实现是通过统计相关性的非参数化估计和未知对应关系的贝叶斯集成,将两个摄像机之间的统计相关性与每个摄像机的观测值之间的交互信息关联起来,交互信息的计算是通过计算过渡分布的熵来进行的,并采用马尔可夫链蒙特卡罗集成观测值之间的未知对应关系,同时还考虑了两个摄像机的观测值之间丢失的对应关系。基于一条模拟的和真实的道路、一个模拟的和真实的摄像机交通网络的仿真结果表明,方案能够在多模态情形下比较准确地恢复过渡分布和匹配目标。 相似文献
4.
1