文献

J-GLOBAL ID：201702281673659162   整理番号：17A1787757

EEMDクラウドモデルとSVMに基づくタービン回転子故障診断法【JST・京大機械翻訳】

A rotor fault diagnosis method based on EEMD cloud model and SVM

著者 (4件)： Tian Songfeng (華北電力大学電站設備状態監測与控制教育部重点実験室,河北保定,071003) ,  Xu Jiarui (華北電力大学電站設備状態監測与控制教育部重点実験室,河北保定,071003) ,  Wang Meijun (華北電力大学電站設備状態監測与控制教育部重点実験室,河北保定,071003) ,  Han Qiang (華北電力大学電站設備状態監測与控制教育部重点実験室,河北保定,071003)
資料名： Reli Fadian  (Reli Fadian)
巻： 46  号： 4  ページ： 111-114  発行年： 2017年 
JST資料番号： C3437A  ISSN： 1002-3364  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 本論文は,経験的モード分解(EEMD),クラウドモデル,およびサポートベクトルマシン(SVM)に基づくタービン回転子の多重故障診断法を提案した。まず第一に,EEMDを用いて振動信号をいくつかのIMF成分に分解し,相関係数法を用いてIMF成分を選別し,その後,IMF成分を逆雲発生器によって計算し,雲モデルのデジタル特性を得て,特徴ベクトルを構築した。それを,非循環グラフにおける回転子のマルチ故障状態認識に適用し,従来のEEMDエネルギー法と比較することによって,それらの性能を比較したことが示されたことが示されたことが示されたことが示されたことが示された。結果は,この方法が正確に回転子マルチ故障診断を達成することができて,より高い認識率を有することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 雲モデル ,  ディジタル方式 ,  多重化 ,  *故障 ,  サポートベクトルマシン ,  相関係数 ,  *故障診断
準シソーラス用語： 認識率 ,  特徴ベクトル ,  振動信号 ,  経験的モード分解 ,  *タービンロータ , 【Automatic Indexing@JST】

著者キーワード (6件)： rotor ,  fault diagnosis ,  EEMD ,  cloud model ,  SVM ,  eigenvector

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： クラウド ,  モデル ,  SVM ,  タービン回転子 ,  故障診断