典型文献
SOM与EWMA在滚动直线导轨故障预测中的应用
文献摘要：
提出了一种基于机器学习的滚动直线导轨故障预测集成方法.首先,通过寿命试验,对由三轴加速度传感器采集的振动信号进行小波包分解,提取分部能量作为信号特征;其次,运用提取的特征训练自组织映射(Self?organizing map,SOM)神经网络,应用训练后的SOM识别线轨健康状态;最后,使用最小量化误差与指数加权移动平均控制图(Exponentially weighted moving?average,EWMA)实现动态故障预警.该方法将SOM与小波包分解相结合,选用最小量化误差构建EWMA控制图,解决了线轨状态监测可视化与疲劳程度数值评定问题,验证了该集成方法用于直线导轨故障预测的有效性.
文献关键词：
滚动直线导轨;故障预测;机器学习;小波包分解;自组织映射
中图分类号：
作者姓名：
钟健康;陈元华;张瑞宾
作者机构：
桂林航天工业学院 汽车工程学院,广西桂林 541004
文献出处：
引用格式：
[1]钟健康;陈元华;张瑞宾-.SOM与EWMA在滚动直线导轨故障预测中的应用)[J].机械科学与技术,2022(02):278-287
A类：
B类：
SOM,EWMA,滚动直线导轨,故障预测,基于机器学习,集成方法,寿命试验,三轴加速度传感器,振动信号,小波包分解,取分,分部,信号特征,自组织映射,Self,organizing,map,别线,健康状态,小量,量化误差,指数加权移动平均,控制图,Exponentially,weighted,moving,average,故障预警,状态监测,监测可视化,疲劳程度,该集
AB值：
0.333355
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
