Resumen

Con el fin de mejorar la precisión de los diagnósticos de los métodos actuales de diagnóstico, en este artículo se presenta un nuevo método de diagnóstico de fallas de la caja de cambios de automóviles basado en la novedosa descomposición modal variacional sucesiva y la máquina de aprendizaje extrema regularizada ponderada para el diagnóstico de fallas de la caja de cambios. La descomposición modal variacional sucesiva (SVMD) se presenta para mejorar la descomposición modal variacional tradicional, que encuentra los modos uno tras otro, y esta sucesión ayuda a aumentar la tasa de convergencia y también a no extraer los modos no deseados; la máquina de aprendizaje extrema regularizada ponderada (WRELM) se presenta para mejorar la máquina de aprendizaje extrema tradicional, que utiliza el peso de cada muestra con la estimación de densidad de núcleo no paramétrica y puede encontrar el peso óptimo para cada muestra. Los resultados de las pruebas indican que la precisión del diagnóstico de SVMD-WRE

• Materias:Ingeniería subterránea Deformaciones elásticas Excavación con explosivos Transitorios repetitivos Efecto de Perturbación
• Subjects:Underground engineering Elastic deformations Excavation with explosives Repetitive transients Perturbation effect
• Palabras claves:Novela; Diagnóstico de fallas; Caja de cambios; SVMD; WRELM; Precisión
• Keywords:Novel; Fault diagnosis; Gearbox; SVMD; WRELM; Accuracy