矢功率谱与支持向量数据描述相结合在故障诊断中的应用研究

被引:2
作者
李凌均
孔维峰
李朋勇
李卫鹏
机构
[1] 郑州大学振动工程研究所
关键词
矢功率谱; 支持向量数据描述; 单分类; 故障诊断;
D O I
10.19356/j.cnki.1001-3997.2011.01.037
中图分类号
TH165.3 [];
学科分类号
摘要
与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面。为了解决智能监测和故障诊断中故障样本缺乏的问题,提出一种矢功率谱与支持向量数据描述(support vectordata description,SVDD)相结合的单分类方法。将该方法应用于转子试验台模拟的故障诊断中,实验结果表明,该方法是有效的。
引用
收藏
页码:91 / 93
页数:3
相关论文
共 7 条
[1]   基于EMD和支持向量数据描述的故障智能诊断 [J].
李强 ;
王太勇 ;
王正英 ;
黄毅 .
中国机械工程, 2008, (22) :2718-2721
[2]   基于单分类的机械故障诊断研究及其应用 [J].
李凌均 ;
韩捷 ;
王昆 ;
郝伟 .
机械强度, 2008, (05) :697-701
[3]   机械故障矢功率谱—支持向量机识别方法研究 [J].
李志农 ;
韩捷 ;
潘玉娜 ;
李凌均 .
计算机工程与应用 , 2007, (08) :214-216
[4]   矢功率谱与RBF网络结合在旋转机械故障诊断中的应用 [J].
潘玉娜 ;
韩捷 ;
李志农 .
机床与液压, 2007, (01) :223-225
[5]   旋转机械的全信息能量谱分析方法研究 [J].
韩捷 ;
石来德 .
机械强度, 2003, (04) :364-368
[6]  
Support vector domain description[J] . David M.J Tax,Robert P.W Duin. Pattern Recognition Letters . 1999 (11)
[7]  
统计学习在机械设备智能诊断中的应用研究 .2 李凌均. 西安交通大学 . 2003