基于熵带法与PSO优化的SVM转子故障诊断

被引：35

作者：

霍天龙 ^{[1
,2
]}

赵荣珍 ^{[1
,2
]}

胡宝权 ^{[1
,2
]}

机构：

[1] 兰州理工大学数字制造技术与应用省部共建教育部重点实验室

[2] 兰州理工大学机电工程学院

来源：

振动测试与诊断. | 2011年 / 31卷 / 03期

关键词：

转子系统; 信息熵; 支持向量机; 故障诊断;

D O I：

10.16450/j.cnki.issn.1004-6801.2011.03.006

中图分类号：

TH165.3 [];

学科分类号：

摘要：

对转子故障信号的信息熵带作为支持向量机(support vector machine,简称SVM)的训练样本,基于粒子群算法(particle swarm optimization,简称PSO)优化SVM分类器结构参数进行了研究。对试验模拟获得的故障信号进行了时域、频域、时-频域的信息熵带计算,得到了奇异值谱熵、功率谱熵、小波空间谱熵及小波能谱熵4种熵带,并对熵带进行预处理,建立了一种基于故障信号的信息熵带作为特征量,用PSO解决SVM结构参数优化设置的转子故障识别方法。将该方法应用于转子系统在线故障诊断中,结果表明,所设计的算法具有训练速度快、测试时间短、分类准确率高等特点。

引用

页码：279 / 284+392 +392

页数：7