基于多分辨率奇异谱熵和支持向量机的轴系故障诊断及其应用

被引：3

作者：

何文波 ^{[1
]}

刘士荣 ^{[2
]}

冯志敏 ^{[3
]}

机构：

[1] 宁波大学信息科学与工程学院

[2] 杭州电子科技大学自动化研究所

[3] 宁波大学海运学院

来源：

关键词：

小波分析; 奇异谱熵; 支持向量机; 故障诊断;

D O I：

暂无

中图分类号：

TP277 [监视、报警、故障诊断系统];

学科分类号：

0804 ; 080401 ; 080402 ;

摘要：

运用Mallat小波算法将被测信号分解为不同频带,并进行信号重构,然后利用奇异值分解,提取不同尺度下的信号奇异谱熵作为特征向量.以特征向量为基础,运用多类支持向量机识别故障类型.以渔船轴系故障诊断为例,设计了轴系故障模拟实验台,研究表明:该方法能有效地进行特征提取和故障分类。

引用

页码：476 / 480

页数：5

共 6 条

[1] 基于RBF神经网络的滚动轴承故障诊断方法
刘良顺
魏立东
宋希庚
薛冬新
[J]. 农业机械学报, 2006, (03) : 163 - 165
[2] 多分辨率奇异谱熵及其在振动信号监测中的应用研究
谢平
刘彬
林洪彬
王霄
[J]. 传感技术学报, 2004, (04) : 547 - 550
[3] Kohonen网络故障诊断方法及试验
冯志敏
王颖
胡志钢
郎豪翔
[J]. 农业机械学报, 2002, (06) : 103 - 106
[4] 信号处理的小波导引[M]. 机械工业出版社 , (法)StephaneMallat著, 2002
[5] 内燃机轴系扭转振动[M]. 大连理工大学出版社 , 王祺主编, 1991
[6] Large margin DAGs for multiclass classification .2 Platt J C,Cristianini N,Shawe-Taylor J. Advances in Neural Information Processing Systems . 2000