基于相对小波能量的滚动轴承故障诊断

被引:31
作者
赵志宏 [1 ,2 ]
杨绍普 [2 ]
机构
[1] 北京交通大学机械与电子控制工程学院
[2] 石家庄铁道大学信息科学与技术学院
关键词
小波变换; 相对小波能量; 故障诊断; 支持向量机;
D O I
暂无
中图分类号
TH133.33 [滚动轴承]; TH165.3 [];
学科分类号
摘要
利用相对小波能量作为特征进行滚动轴承故障诊断。首先将滚动轴承振动信号进行离散小波分解,然后利用各频带的相对小波能量作为特征向量,使用支持向量机作为分类器对轴承故障进行分类。针对轴承内圈故障、滚动体故障、外圈故障3种故障及不同损伤程度的实测数据进行多种分类实验,实验结果表明利用相对小波能量作为滚动轴承故障诊断的特征非常有效,该方法能够识别滚动轴承的故障类型及故障程度,具有一定的工程应用价值。
引用
收藏
页码:44 / 49
页数:6
相关论文
共 9 条
[1]   基于贝叶斯推断LSSVM的滚动轴承故障诊断 [J].
杨正友 ;
彭涛 ;
李健宝 ;
钟云飞 .
电子测量与仪器学报, 2010, 24 (05) :420-424
[2]   基于提升小波和局域波的故障特征提取 [J].
王凤利 ;
赵德有 .
仪器仪表学报, 2010, 31 (04) :789-793
[3]   基于多尺度线调频基稀疏信号分解的轴承故障诊断 [J].
彭富强 ;
于德介 ;
罗洁思 ;
武春燕 .
机械工程学报, 2010, 46 (07) :88-95
[4]   滚动轴承故障诊断的多小波谱峭度方法 [J].
王晓冬 ;
何正嘉 ;
訾艳阳 .
西安交通大学学报 , 2010, (03) :77-81
[5]   利用相对小波能量和概率网络的脑-机接口 [J].
赵海滨 ;
王宏 .
计算机工程与应用 , 2009, (05) :26-28
[6]   基于分块图像小波相对能量和熵的视频镜头边界检测算法 [J].
戴小文 ;
蔡志平 ;
钟桂英 .
光子学报, 2008, (07) :1492-1496
[7]   基于小波相关滤波-包络分析的早期故障特征提取方法 [J].
曾庆虎 ;
邱静 ;
刘冠军 ;
张勇 .
仪器仪表学报, 2008, (04) :729-733
[8]   滚动轴承的故障特征提取 [J].
徐振辉 ;
马立元 .
兵工自动化, 2004, (01) :46-48
[9]   EEG analysis using wavelet-based information tools [J].
Rosso, O. A. ;
Martin, M. T. ;
Figliola, A. ;
Keller, K. ;
Plastino, A. .
JOURNAL OF NEUROSCIENCE METHODS, 2006, 153 (02) :163-182