基于最小二乘支持向量机的滚动轴承故障诊断

被引：45

作者：

万书亭 ^{[1
]}

佟海侠 ^{[1
]}

董炳辉 ^{[2
]}

机构：

[1] 华北电力大学机械工程系

[2] 河北省第二建筑工程公司

来源：

振动测试与诊断. | 2010年 / 30卷 / 02期

关键词：

小波包变换; 最小二乘支持向量机; 故障诊断; 滚动轴承;

D O I：

10.16450/j.cnki.issn.1004-6801.2010.02.017

中图分类号：

TH165.3 []; TH133.33 [滚动轴承];

学科分类号：

摘要：

根据滚动轴承故障时振动信号特点,提出了一种基于小波包变换和最小二乘支持向量机(LS-SVM)相结合的滚动轴承故障诊断方法。通过对滚动轴承振动信号进行小波包分解,得到各分解节点对应频率段的重构信号以及各节点的能量,并将各节点能量组成的特征向量作为诊断模型的特征向量,输入到LS-SVM多类分类器中进行故障识别,然后在滚动轴承故障试验台上实测振动数据。分析结果表明,该方法具有较高的分类速度和较好的故障诊断正确率。

引用

页码：149 / 152+209 +209

页数：5

共 4 条

[1] 基于神经网络的滚动轴承故障包络信号的自动识别方法
王平
廖明夫
[J]. 航空发动机, 2004, (02) : 46 - 50
[2] 滚动轴承振动监测与诊断[M]. 机械工业出版社 , 梅宏斌著, 1995
[3] Least squares support vector machine classifiers
Suykens, JAK
Vandewalle, J
[J]. NEURAL PROCESSING LETTERS, 1999, 9 (03) : 293 - 300
[4] A Training Algorthm for Optimal Margin Classifiers.In: Proceedings of the 5th Annual ACM Workshop on Computational Learning Theory. Boser B E, Guyon IM, Vapnik. Pittsburgh History . 1992

← 1 →