10.3969/j.issn.1008-1151.2021.04.001
基于LMD-LSSVM的扬声器异音故障诊断方法研究
文章采用局部均值分解(Local mean decomposition,LMD)和最小二乘支持向量机(Least squares support vector machine,LSSVM)相结合的方法进行扬声器异音故障诊断的研究.首先,选取正常扬声器与漏气、铁粉杂质、小音三种故障类型的扬声器作为研究对象,在实验平台上对上述四种类型扬声器施加激励信号.然后,获得不同类型的响应信号并对其进行LMD分解,得到一系列乘积函数(Product function,PF),求出它们的能量熵,构成特征向量.最后,将提取的特征值作为LSSVM模拟分类器的输入量进行训练和识别,诊断出扬声器的故障类型.实验结果表明,该方法可以有效地对扬声器异音进行故障诊断分类,诊断准确率平均达93.42%.
扬声器故障诊断、局部均值分解、能量熵、最小二乘支持向量机
23
TN643(电子元件、组件)
广西科技基地和人才专项AD19110026
2021-06-16(万方平台首次上网日期,不代表论文的发表时间)
共4页
1-4