|
|||||
|
|
| 基于支持向量机的齿轮故障诊断方法 | |
| 引用本文： | 肖健华,吴今培,樊可清,杨叔子.基于支持向量机的齿轮故障诊断方法[J].中国制造业信息化,2003,32(2):107-109. |
| 作者姓名： | 肖健华 吴今培 樊可清 杨叔子 |
| 作者单位： | 1. 华中科技大学机械科学与工程学院,湖北,武汉,430074;五邑大学智能技术与系统研究所,广东,江门,529020 2. 五邑大学智能技术与系统研究所,广东,江门,529020 3. 华中科技大学机械科学与工程学院,湖北,武汉,430074 |
| 基金项目： | 广东省自然科学基金资助项目(0 2 1 34 9) |
| 摘 要： | 对齿轮故障诊断的特点进行了阐述，指出由于环境噪声的干扰，在齿轮故障诊断中往往不能获得理想的诊断结果。为此在对齿轮运行状况进行有效特征提取的基础上，采用支持向量机的方法对齿轮进行故障诊断。研究结果表明采用该方法可以获得比神经网络和线性判别方法等更准确的诊断结果。 |
| 关 键 词： | 齿轮 支持向量机 故障诊断 神经网络 回转振动 |
| 文章编号： | 1672-1616(2003)02-0107-03 |
| 修稿时间： | 2002年3月14日 |
The Gear Fault Diagnosis Based on Support Vector Machine |
|
| XIAO Jian-hua ,WU Jin-pei ,FAN Ke-qing ,YANG Shu-zi.The Gear Fault Diagnosis Based on Support Vector Machine[J].Manufacture Information Engineering of China,2003,32(2):107-109. | |
| Authors: | XIAO Jian-hua WU Jin-pei FAN Ke-qing YANG Shu-zi |
| Affiliation: | XIAO Jian-hua 1,WU Jin-pei 2,FAN Ke-qing 2,YANG Shu-zi 1 |
| Abstract: | The paper analyzed the characteristic of gear fault diagnosis. Because the influence of environment noise, the result of reliable diagnosis was always hard to gain. The paper presented the gear fault diagnosis by support vector machine (SVM) on the basis of effective feature extraction. The diagnosis result was compared with other approaches including Fisher discriminant analysis and neural networks. The comparison showed that the SVM could be used successfully in the field of fault diagnosis. |
| Keywords: | Support Vector Machine Fault Diagnosis Neural Networks Rotational Vibration |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
