基于分段线性分类器的滚动轴承的故障识别

被引:1
作者
唐贵基
张穆勇
吕路勇
机构
[1] 华北电力大学机械工程系
关键词
滚动轴承; 故障; 诊断; 小波包变换; 线性判别式; 模式识别;
D O I
10.19533/j.issn1000-3762.2007.10.011
中图分类号
TH133.33 [滚动轴承];
学科分类号
摘要
为了解决滚动轴承的特征提取和故障特征的模式分类问题,提出了一种应用小波包变换和线性分类器相结合的滚动轴承故障诊断的识别方法。根据轴承振动信号的频域变化特征,首先对滚动轴承振动信号进行三层小波包分解,提取第三层各个终节点系数的能量作为特征向量,然后将特征向量输入由线性判别式构成的分段线性分类器中进行故障的模式分类和识别,最后在滚动轴承试验台上实测故障。试验表明,分段线性分类器可以有效地识别轴承的故障模式。
引用
收藏
页码:31 / 34
页数:4
相关论文
共 8 条
[1]   基于提升小波包变换和集成支持矢量机的早期故障智能诊断 [J].
胡桥 ;
何正嘉 ;
张周锁 ;
訾艳阳 ;
雷亚国 .
机械工程学报, 2006, (08) :16-22
[2]   基于小波包和支持向量机的滚动轴承故障模式识别 [J].
田野 ;
陆爽 .
机床与液压, 2006, (06) :236-240
[3]   滚动轴承故障特征识别的时频分析研究 [J].
陆爽 ;
田野 .
机床与液压, 2005, (06) :183-185
[4]   基于小波和径向基函数神经网络的滚动轴承故障模式识别 [J].
陆爽 ;
杨斌 ;
李萌 ;
张子达 .
农业工程学报, 2004, (06) :102-105
[5]   基于小波包分解的电能质量扰动分类方法 [J].
王成山 ;
王继东 .
电网技术, 2004, (15) :78-82
[6]   基于神经网络的滚动轴承故障包络信号的自动识别方法 [J].
王平 ;
廖明夫 .
航空发动机, 2004, (02) :46-50
[7]  
小波与小波变换导论[M]. 机械工业出版社 , (美) 伯罗斯 (Burrus, 2005
[8]  
模式分类[M]. 机械工业出版社 , (美) 杜达 (Duda, 2004