简介：提出了基于核主元分析（KPCA）和支持向量机（SVM）相结合的齿轮箱齿轮故障识别方法。采用振动信号初始特征空间的内积核函数,将初始特征空间中的非线性问题转换成高维特征空间中的线性问题。通过主元分析对映射到高维空间中的数据信息进行处理,得到初始特征的非线性主元,实现对高维特征参数进行降维。再结合SVM良好的分类能力,结果表明,KPCA和SVM相结合的分类性能在齿轮箱故障诊断方面有更好的效果。
简介：日前，《上海电机学院学报》在教育部科学技术司主办的“第二届中国高校精品·优秀·特色科技期刊”评比活动中荣获“中国高校特色科技期刊”称号，教育部科技司领导出席了颁奖大会。此次全国共评出中国高校特色科技期刊50种，其中上海市只有两家期刊获此殊荣。
基于核主元分析和支持向量机相结合的齿轮箱齿轮故障识别方法
《上海电机学院学报》喜获中国高校特色科技期刊称号
