一种改进鲁棒KPCA算法及其在齿轮泵故障诊断中的应用
版权信息：站内文章仅供学习与参考，如触及到您的版权信息，请与本站联系。
信息
资料大小
610KB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
核主元分析（KPCA）是一种有效的非线性特征提取方法但其缺点是对样本中的野点比较敏感.为了消除野点对KPCA算法的影响介绍一种鲁棒KPCA算法通过修改特征空间中映射样本的最小重构误差表达式并预先定义训练样本集中的野点数目实现了在特征空间剔除野点的目的.将改进后的鲁棒KPCA算法应用于齿轮泵故障特征提取试验结果表明：该算法的抗噪性比经典KPCA算法明显增强能有效区分齿轮泵的不同故障模式.相关论文
- 2019-08-12基于广义装配的液压集成块设计过程建模
- 2019-10-18基于FLUENT的集成块流道的仿真分析
- 2024-03-08液压集成块三维设计方法研究
- 2019-08-04基于AutoCADVBA的液压集成块零件图设计
- 2019-11-05基于三维设计的液压集成块校核方法研究
请自觉遵守互联网相关的政策法规，严禁发布色情、暴力、反动的言论。