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：针对产品数字化设计过程中知识重用的特点，对设计知识进行了比较全面的分类，提出了产品设计过程中多形态知识的概念。研究了多形态知识集成的方法，给出了基于领域本体的多形态知识融合方法，并以螺纹滚丝机设计中多形态知识为例，对该方法进行了解释，得出了相关结论。
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
数字化产品设计中多形态知识集成
