小波支持向量机在滚动轴承故障诊断中的应用

被引:13
作者
郭磊
陈进
朱义
肖文斌
机构
[1] 上海交通大学机械系统与振动国家重点实验室
关键词
支持向量机; 小波核函数; 故障诊断; 轴承;
D O I
10.16183/j.cnki.jsjtu.2009.04.034
中图分类号
TH133.33 [滚动轴承];
学科分类号
摘要
为提高支持向量机故障分类器的性能,提出了一种小波核函数支持向量机故障分类器.基于平移不变核函数条件,推导证明了Mexican hat小波函数是一种容许核函数.利用正常、滚动体故障以及内、外圈故障4种状态的轴承试验数据,研究了小波支持向量机分类器的性能.与基于RBF核函数的支持向量机的分类结果进行对比表明,小波支持向量机具有更高的分类正确率.
引用
收藏
页码:678 / 682
页数:5
相关论文
共 6 条
[1]   基于支持向量机的转子振动信号故障分类研究 [J].
吴峰崎 ;
孟光 .
振动工程学报, 2006, (02) :238-241
[2]   基于在线小波支持向量回归的混沌时间序列预测 [J].
于振华 ;
蔡远利 .
物理学报, 2006, (04) :1659-1665
[3]   基于小波的支持向量机算法研究 [J].
林继鹏 ;
刘君华 ;
不详 .
西安交通大学学报 , 2005, (08) :816-819
[4]   基于支持向量机的机械故障诊断方法研究 [J].
张周锁 ;
李凌均 ;
何正嘉 .
西安交通大学学报, 2002, (12) :1303-1306
[5]  
统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,
[6]  
机械设备振动监测与故障诊断.[M].陈进主编;.上海交通大学出版社.1999,