%0 Journal Article
%A 曾柯
%A 柏林
%T 齿轮箱故障非线性特征测度及状态TWSVM辨识研究
%D 2018
%R 
%J 振动与冲击
%P 179-184
%V 37
%N 15
%X 针对齿轮箱振动的非线性性，利用非线性特征测度的方法提取齿轮箱振动信号的故障特征。并利用双子支持向量机（Twin Support Vector Machine，简称TWSVM）对齿轮箱故障类别的辨识性能进行研究。TWSVM努力构造两个非平行的超平面来实现分类，它比支持向量机(Support Vector Machine，简称SVM)针对多分类问题具有更好的样本不均衡适应性，并且分类性能优势明显。对齿轮箱故障类别辨识的实验表明，与传统的SVM和BP神经网络算法相比较，TWSVM具有更高的分类准确率。<br>
%U https://jvs.sjtu.edu.cn/CN/abstract/article_7689.shtml