基于小波包能量分析及改进支持向量机的风机机械故障诊断

被引：34

作者：

许小刚

王松岭

刘锦廉

机构：

[1] 华北电力大学能源动力与机械工程学院

来源：

动力工程学报 | 2013年 / 33卷 / 08期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

风机; 故障诊断; 小波包能量分析; 支持向量机; 优化;

D O I：

暂无

中图分类号：

TH165.3 []; TP18 [人工智能理论];

学科分类号：

080202 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了准确诊断风机的机械故障,提出了一种基于小波包能量特征和改进支持向量机的诊断方法.在某4-73No.8D风机实验台上对13种不同运行状态下的振动信号进行采集,利用小波包对振动信号进行消噪、分解与重构,提取其小波包能量特征,得到了各运行状态下风机多测点信息融合的小波包能量特征向量,并利用改进支持向量机对特征向量样本集进行训练与测试,实现了风机机械故障的分类诊断.结果表明:该诊断方法能够有效地诊断风机机械故障的类别、严重程度和发生部位,且诊断准确率高、测试时间短,适用于在线机械诊断.

引用

页码：606 / 612

页数：7

共 14 条

[1]

关于支持向量机中的参数优化的研究.[D].张楠.西北大学.2008, 08

[2]

径向基神经网络和支持向量机的参数优化方法研究及应用.[D].吴明圣.中南大学.2007, 06

[3] Rolling element bearing fault diagnosis using wavelet packets [J].