<cite id="yyiou"><tbody id="yyiou"></tbody></cite>
<cite id="yyiou"><samp id="yyiou"></samp></cite>
  • <s id="yyiou"></s><bdo id="yyiou"><optgroup id="yyiou"></optgroup></bdo>
  • <cite id="yyiou"><tbody id="yyiou"></tbody></cite>

    首頁 > 期刊 > 自然科學與工程技術 > 工程科技II > 工業通用技術及設備 > 噪聲與振動控制 > 一種基于流形學習和KNN算法的柴油機工況識別方法 【正文】

    一種基于流形學習和KNN算法的柴油機工況識別方法

    江志農; 趙南洋; 夏敏; 趙飛松; 高佳麗; 張進杰 北京化工大學高端機械裝備健康監控與自愈化北京市重點實驗室; 北京100029; 中石化重慶天然氣管道有限責任公司; 重慶408000; 北京化工大學壓縮機技術國家重點實驗室壓縮機健康智能監控中心; 北京100029
    • 振動與波
    • 柴油機
    • 變負荷
    • 流形學習
    • knn

    摘要:不同負荷狀態下的柴油機振動、溫度、轉速等信號顯著不同,而機組故障信號特征往往被淹沒在隨負荷變化而劇烈變化的信號中,因此變負荷狀態下的柴油機故障監測診斷難度較大,一直困擾著柴油機的實際故障診斷工作。提出一種基于流形學習和KNN算法的柴油機工況識別方法,為柴油機變負荷工況下故障監測預警打下基礎。方法融合機組的多源信號特征構建特征向量,通過流形學習t-分布鄰域嵌入算法(t-SNE)實現特征向量的維數約簡和敏感特征提取,采用K最近鄰分類算法(KNN)完成柴油機運行負荷狀態的自動分類。正常及故障狀態下多組柴油機監測數據的處理結果驗證了方法的有效性和實用性。

    注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社

    投稿咨詢 免費咨詢 雜志訂閱

    我們提供的服務

    服務流程: 確定期刊 支付定金 完成服務 支付尾款 在線咨詢
    主站蜘蛛池模板: 灵寿县| 康保县| 上犹县| 永兴县| 苍山县| 徐闻县| 曲水县| 河北区| 化德县| 石林| 修水县| 临沂市| 吉林省| 三江| 浮山县| 石泉县| 汽车| 翼城县| 杭州市| 上杭县| 望城县| 丹巴县| 江孜县| 鄂尔多斯市| 什邡市| 嘉鱼县| 南靖县| 新营市| 文昌市| 齐齐哈尔市| 福建省| 南京市| 婺源县| 泾川县| 松潘县| 太仆寺旗| 大竹县| 江津市| 南靖县| 阿荣旗| 洪洞县|