基于主元分析的支持向量数据描述机械故障诊断

被引：18

作者：

潘明清 ^{[1
]}

周晓军 ^{[1
]}

吴瑞明 ^{[2
]}

雷良育 ^{[3
]}

机构：

[1] 浙江大学现代制造工程研究所

[2] 浙江科技学院机械系

[3] 江苏技术师范学院机械系

来源：

传感技术学报 | 2006年 / 01期

关键词：

故障诊断; 特征提取; 主元分析; 支持向量数据描述; 轴承;

D O I：

暂无

中图分类号：

TH17 [机械运行与维修];

学科分类号：

摘要：

针对机械故障诊断缺乏故障样本的问题,提出了故障诊断单值分类法——支持向量数据描述法(SVDD)。这种方法只需要正常运行状态的数据样本,就可以建立单值分类器,区分出正常和异常状态。试验以轴承为研究对象,采用主元分析法(PCA)作数据前处理,提取振动信号的统计特征值,得到的主元特征指标输入到SVDD分类器进行训练和测试。试验结果表明,PCA对正常和故障样本有较大的区分度,SVDD分类器能很好的分辨出轴承正常和故障状态,并且对未知故障有良好的识别能力。

引用

页码：128 / 131

页数：4

共 6 条

[1] 基于支持向量数据描述的机械故障诊断研究 [J].

李凌均 ;

张周锁 ;

何正嘉 ;

不详 .

西安交通大学学报 , 2003, (09) :910-913

[2] Support vector data description [J].

Tax, DMJ ;

Duin, RPW .

MACHINE LEARNING, 2004, 54 (01) :45-66

[3]

模式分类.[M].(美)RichardO.Duda等著;李宏东;姚天翔等译;.机械工业出版社.2003,

[4]

汽车故障诊断学.[M].肖云魁编著;.北京理工大学出版社.2001,

[5]

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,

[6]

随机数据处理方法.[M].常兆光等编著;.石油大学出版社.1997,

← 1 →