TY -的A2的强项,Paola盟——王,一派AU - Ji Shengfei AU - Ji,南洋PY - 2018 DA - 2018/12/20 TI -比较基于支持向量机技术的轴承故障检测SP - 8174860六世- 2018 AB -介绍打乱青蛙跳算法”相结合的方法(SFLA)与支持向量机(SVM)方法,以识别滚动轴承的故障类型的变速箱。该方法提高了故障诊断的准确性识别处理后收集到的振动信号通过小波阈值去噪。SFLA的全局优化和高计算效率应用到支持向量机模型。仿真结果表明,SFLA-SVM算法在故障诊断是有效的。与支持向量机和粒子群优化支持向量机相比(PSO-SVM)算法,证明了SFLA-SVM算法具有更好的全局优化,诊断精度高,和更好的可靠性。其准确性进一步提高通过小波阈值去噪方法的集成。SN - 1070 - 9622你——https://doi.org/10.1155/2018/8174860 - 10.1155 / 2018/8174860摩根富林明冲击和振动PB - Hindawi KW - ER