基于SVM与GA参数优化的齿轮箱断齿故障诊断方法研究

被引：2

作者：

张星辉 ^{[1
]}

康建设 ^{[1
]}

曹端超 ^{[1
]}

孙磊 ^{[1
]}

滕红智 ^{[2
]}

机构：

[1] 军械工程学院

[2] 部队

来源：

机械传动 | 2012年 / 36卷 / 12期

关键词：

故障诊断; 时域同步平均; 支持向量机; 遗传算法;

D O I：

10.16578/j.issn.1004.2539.2012.12.010

中图分类号：

TH165.3 [];

学科分类号：

摘要：

提出了一种基于SVM与GA参数优化的齿轮箱故障诊断新方法。该方法首先应用时域同步平均技术对信号进行预处理,而后对信号进行小波包分解,将最后一层小波包系数的标准差作为故障特征向量,并进行归一化处理,最后得到的向量作为SVM模型的输入。在该过程中,以交叉验证意义下的分类正确率为适应度函数,应用GA对DB小波阶数、信号小波包分解层数、SVM径向基核函数参数c和g进行了优化,应用优化后的参数对模型进行训练并用于故障诊断。齿轮箱中间轴断齿故障振动实验信号的研究结果表明,该方法能够有效地提高故障诊断的正确率。

引用

页码：26 / 30

页数：5

共 14 条

[1] 基于熵带法与PSO优化的SVM转子故障诊断 [J].