基于特征信息融合的离散小波SVM齿轮故障诊断方法研究

被引：7

作者：

成钰龙 ^{[1
]}

程刚 ^{[1
]}

沈利华 ^{[2
]}

邱锦波 ^{[2
]}

山显雷 ^{[1
]}

机构：

[1] 中国矿业大学机电工程学院

[2] 天地科技股份有限公司上海分公司

来源：

组合机床与自动化加工技术 | 2012年 / 08期

关键词：

信息融合; 小波变换; 支持向量机; 故障诊断;

D O I：

暂无

中图分类号：

TH165.3 [];

学科分类号：

摘要：

针对齿轮振动信号故障特征微弱及故障样本不足,提出基于特征信息融合的小波-SVM(支持向量机)故障诊断方法,用于多类齿轮故障诊断。该方法采用离散小波变换对齿轮的振动信号进行处理来构造特征向量,将多路信号融合后输入到SVM的多故障分类器中进行故障识别。实验结果表明:该方法能够在训练样本数量少的情况下,快速获得良好的分类结果,且其故障诊断准确率在96.67%以上;峰值和峰值因子对齿轮故障最敏感,以峰值或峰值因子为特征量的多传感器信息融合,其诊断准确率达95%。该方法更适合于实际齿轮故障诊断应用,并为多类齿轮故障快速诊断的进一步创新研究提供了理论基础。

引用

页码：70 / 73+77 +77

页数：5

共 7 条

[1] 基于小波分析和模糊神经网络的齿轮故障诊断研究 [J].