本文關(guān)鍵詞：支持向量機(jī)和小波包分析下的軸承故障診斷

  更多相關(guān)文章： 支持向量機(jī) 小波包分析 滾動軸承 故障診斷

【摘要】：簡要介紹了支持向量機(jī)和小波包分析理論,在此基礎(chǔ)上提出將故障信號經(jīng)小波包分解后各子頻帶信號能量與信號總能量之比作為故障特征并構(gòu)造特征向量作為SVM分類器的輸入,實現(xiàn)故障狀態(tài)的診斷。設(shè)計實驗進(jìn)行驗證,在轉(zhuǎn)子實驗臺上測得滾動軸承各種狀態(tài)下的振動信號,經(jīng)小波包分解后計算各子頻帶相對能量作為實驗數(shù)據(jù)。將數(shù)據(jù)分為訓(xùn)練樣本較多和訓(xùn)練樣本較少兩組數(shù)據(jù)集,分別使用四種不同核函數(shù)和一對一與一對多兩種算法進(jìn)行故障狀態(tài)分類計算,以了解其對SVM分類性能的影響,最后與BP神經(jīng)網(wǎng)絡(luò)分類結(jié)果比較,對比SVM分類器與傳統(tǒng)故障診斷方法的優(yōu)缺點。
【作者單位】： 江西理工大學(xué)機(jī)電工程學(xué)院;大\丶龐邢薰，

本文編號：864367