股融通配资,线下配资平台,线上股票配资炒股,10大配资公司

該發明涉及一種基于GRCMSE的滾動軸承故障診斷方法和流形學習，包括以下步驟：使用加速度傳感器采集滾動軸承的振動加速度信號。使用GRCMSE算法提取振動加速度信號的特征。使用DDMA流形學習滾動軸承故障特征信息的降維方法，以及將滾動軸承故障特征信息的降維分解為訓練樣本的低維特征集和測試的低維特征集按比例取樣。根據低維特征訓練PSO-SVM分類器對訓練樣本進行特征提取，得到經過訓練的PSO-SVM分類器。輸入將測試樣本的低維特征集輸入經過訓練的PSO-SVM分類器，并診斷故障類型。該發明克服了傳統方法中粗?；娜秉c多尺度樣本熵，解決了信息冗余問題高維故障特征，能有效診斷不同狀態類型的軋制方位。

該項目成果成長性、未來市場前景：該項目成長性良好，具有廣闊的市場應用前景。