|
|||||
|
|
| 支持向量机和小波包分析下的轴承故障诊断 | |
| 作者单位： | ;1.江西理工大学机电工程学院;2.大峘集团有限公司 |
| 摘 要： | 简要介绍了支持向量机和小波包分析理论,在此基础上提出将故障信号经小波包分解后各子频带信号能量与信号总能量之比作为故障特征并构造特征向量作为SVM分类器的输入,实现故障状态的诊断。设计实验进行验证,在转子实验台上测得滚动轴承各种状态下的振动信号,经小波包分解后计算各子频带相对能量作为实验数据。将数据分为训练样本较多和训练样本较少两组数据集,分别使用四种不同核函数和一对一与一对多两种算法进行故障状态分类计算,以了解其对SVM分类性能的影响,最后与BP神经网络分类结果比较,对比SVM分类器与传统故障诊断方法的优缺点。 |
| 关 键 词： | 支持向量机 小波包分析 滚动轴承 故障诊断 |
Fault Diagnosis on Bearing by Support Vector Machine and Wavelet Analysis |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |
