Hybrid Method with Parallel-Factor Theory, a Support Vector Machine, and Particle Filter Optimization for Intelligent Machinery Failure Identification

支持向量机 粒子群优化 计算机科学 模式识别(心理学) 人工智能 特征(语言学) 特征提取 张量(固有定义) 算法 数学 哲学 语言学 纯数学
作者
Shaoyi Li,Hanxin Chen,Yongting Chen,Yunwei Xiong,Ziwei Song
出处
期刊:Machines [MDPI AG]
卷期号:11 (8): 837-837 被引量:34
标识
DOI:10.3390/machines11080837
摘要

Here, a novel hybrid method of intelligent fault identification within complex mechanical systems was proposed using parallel-factor (PARAFAC) theory and adaptive particle swarm optimization (APSO) for a support vector machine (SVM). The parallel-factor multi-scale analysis theory was studied to reconstruct tensor feature information based on a three-dimensional matrix for time, frequency, and spatial vectors. A multi-scale wavelet analysis was used to transform the original multi-channel experimental data acquired from a gearbox into a three-dimensional feature matrix of the multi-level structure. The optimal correspondence among the two-dimensional feature signals in the frequency and time domains for the different fault modes was established by the PARAFAC theory. An intelligent APSO algorithm was developed to obtain the optimal parameter structures of an SVM classifier. A comparison with the existing time–frequency analysis method showed that the proposed hybrid PARAFAC-PSO-SVM diagnosis model effectively eliminated the redundant information in the multi-dimensional tensor features but retained the important components. The PARAFAC-APSO-SVM hybrid diagnostic model achieved fast, accurate, and simple fault-classification and identification results, and could provide theoretical support for the application of the PARAFAC theory to complex mechanical fault diagnosis.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
搜集达人应助年轻的书本采纳,获得10
1秒前
AkHuhahaha完成签到 ,获得积分10
3秒前
蒙圈的小倩完成签到 ,获得积分10
6秒前
琥珀川完成签到,获得积分10
7秒前
bkagyin应助雨下采纳,获得10
9秒前
Lucas应助san采纳,获得10
9秒前
10秒前
11秒前
11秒前
12秒前
OMR123发布了新的文献求助10
14秒前
14秒前
龚贤亮发布了新的文献求助10
16秒前
科研一霸完成签到,获得积分10
16秒前
17秒前
20秒前
22秒前
juju发布了新的文献求助20
22秒前
灿烂的筝发布了新的文献求助10
22秒前
果粒橙完成签到 ,获得积分10
22秒前
23秒前
希望天下0贩的0应助liu采纳,获得10
23秒前
善学以致用应助OMR123采纳,获得10
24秒前
san发布了新的文献求助10
25秒前
25秒前
戒灵发布了新的文献求助10
25秒前
张张完成签到 ,获得积分10
26秒前
Moon完成签到 ,获得积分10
27秒前
zzzyk发布了新的文献求助10
28秒前
洁净艳一发布了新的文献求助10
28秒前
29秒前
31秒前
Apricity应助guo采纳,获得10
32秒前
32秒前
大力水手完成签到,获得积分10
35秒前
安详的曲奇完成签到,获得积分10
35秒前
36秒前
土豆丝发布了新的文献求助10
36秒前
36秒前
Zetlynn发布了新的文献求助10
36秒前
高分求助中
中国国际图书贸易总公司40周年纪念文集: 史论集 2500
Sustainability in Tides Chemistry 2000
2021下半年大理州人民医院招聘试题及答案 1000
大理州人民医院2021上半年(卫生类)人员招聘试题及解析 1000
2023云南大理州事业单位招聘专业技术人员医疗岗162人笔试历年典型考题及考点剖析附带答案详解 1000
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3113948
求助须知:如何正确求助?哪些是违规求助? 2764217
关于积分的说明 7677686
捐赠科研通 2419367
什么是DOI,文献DOI怎么找? 1284447
科研通“疑难数据库(出版商)”最低求助积分说明 619663
版权声明 599685