2025年1月9日
星期四
|
欢迎来到鞍山市图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
秦皇岛市科学技术研究与发展计划课题(201302A218)
作品数:
1
被引量:21
H指数:1
相关作者:
谢平
江国乾
李磊
何群
更多>>
相关机构:
燕山大学
更多>>
发文基金:
秦皇岛市科学技术研究与发展计划课题
河北省自然科学基金
河北省高等学校科学技术研究指导项目
更多>>
相关领域:
自动化与计算机技术
机械工程
更多>>
相关作品
相关人物
相关机构
相关资助
相关领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
机械工程
1篇
自动化与计算...
主题
1篇
多变量
1篇
学习机
1篇
剩余寿命
1篇
剩余寿命预测
1篇
轴承
1篇
主成分
1篇
主成分分析
1篇
极限学习机
机构
1篇
燕山大学
作者
1篇
何群
1篇
李磊
1篇
江国乾
1篇
谢平
传媒
1篇
中国机械工程
年份
1篇
2014
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于PCA和多变量极限学习机的轴承剩余寿命预测
被引量:21
2014年
提出了一种基于主成分分析(PCA)和多变量极限学习机(MELM)的轴承剩余寿命预测方法。该方法首先利用PCA技术融合多个表征轴承运行状态与衰退趋势的时域频域特征指标来消除特征间的冗余性和相关性;进一步在单变量极限学习机(ELM)的基础上构建多变量极限学习机模型来预测轴承剩余寿命。该方法克服了传统单变量极限学习机结构简单、信息匮乏等缺点,能有效提高轴承剩余寿命的预测精度。运用全寿命轴承振动数据对模型进行验证,结果表明,相比单独应用ELM模型或MELM模型,基于PCA和MELM剩余寿命预测方法具有更高的预测精度和稳定性。
何群
李磊
江国乾
谢平
关键词:
主成分分析
极限学习机
剩余寿命预测
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张