10.11835/j.issn.1000-582X.2018.01.011
SVM与PSO相结合的电机轴承故障诊断
针对电机轴承故障问题,提出一种基于支持向量机(SVM,support vector machine)与粒子群优化(PSO,particle swarm optimization)相结合的电机轴承故障诊断方法.结合振动信号的时域与小波包能量特征,使表征振动信号的特征具有较好的可靠性和敏感性,提高了故障的诊断准确率.采用PSO算法对SVM的惩罚参数和径向基核函数参数进行寻优,并与其它参数寻优算法进行比较分析.实验表明,研究提出的轴承故障诊断方法不仅对电机轴承的外圈故障、内圈故障和滚珠故障有很好的识别效果,而且还对每一类故障的严重程度有较好的区分,具有较强的实用性.
支持向量机、粒子群优化算法、小波包分析、特征提取、电机轴承、故障诊断
41
TH165+.3
重庆市科技人才培养计划资助项目CSTC2013KJRC-TDJS40010.Supported by Science and Technology Personnel Training Program of Chongqing CSTC2013KJRC-TDJS40010
2018-05-30(万方平台首次上网日期,不代表论文的发表时间)
共9页
99-107