基于KICA-SVM的矿用主要通风机故障诊断
利用核独立成分分析(KICA)处理矿用主要通风机的振动信号,分离出具有特征信息的独立分量.提取特征向量再利用支持向量机(SVM)对矿用主要通风机的故障状态进行模式识另q.通过实验比较表明,该方法明显提高了故障状态的识别率.
核独立成分分析、支持向量机、通风机、故障诊断
42
TD724(矿山安全与劳动保护)
2011-05-04（万方平台首次上网日期，不代表论文的发表时间）
130-132
相关文献
评论
核独立成分分析、支持向量机、通风机、故障诊断
42
TD724(矿山安全与劳动保护)
2011-05-04（万方平台首次上网日期，不代表论文的发表时间）
130-132
国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”
国家重点研发计划资助 课题编号：2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304
©天津万方数据有限公司 津ICP备20003920号-1
违法和不良信息举报电话：4000115888 举报邮箱：problem@wanfangdata.com.cn
