| 基于SVM和BP神经网络的滚动轴承故障诊断 |
| |
| 引用本文： | 刘然,傅攀.基于SVM和BP神经网络的滚动轴承故障诊断[J].机械工程与自动化,2014(6). |
| |
| 作者姓名： | 刘然 傅攀 |
| |
| 作者单位： | 西南交通大学机械工程学院,四川成都,610031 |
| |
| 基金项目： | 中央高校基本科研业务费专项基金资助项目 |
| |
| 摘 要： | 为更好地对滚动轴承进行状态监测和故障诊断,采集3种不同状态下的滚动轴承振动信号,根据振动信号特点提取其时域和频域的相关特征,然后分别利用SVM(支持向量机)和BP神经网络进行模式识别。不断减少每种状态下训练样本集的个数,利用2种不同的方法进行模式识别。当每种状态下的样本个数为3个时,支持向量机仍然能准确地将测试样本进行分类,而BP神经网络完全无法识别。实验结果表明,支持向量机比BP神经网络更适合于小样本的故障诊断。
|
| 关 键 词： | 滚动轴承 BP神经网络 故障诊断 SVM |
Rolling Bearing Fault Diagnosis Based on Support Vector Machine and BP Neural Network |
| |
| LIU Ran,FU Pan.Rolling Bearing Fault Diagnosis Based on Support Vector Machine and BP Neural Network[J].Mechanical Engineering & Automation,2014(6). |
| |
| Authors: | LIU Ran FU Pan |
| |
| Abstract: | |
| |
| Keywords: | rolling bearing fault diagnosis BP neural network SVM |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
