10.3969/j.issn.1672-6413.2014.06.054
基于SVM和BP神经网络的滚动轴承故障诊断
为更好地对滚动轴承进行状态监测和故障诊断,采集3种不同状态下的滚动轴承振动信号,根据振动信号特点提取其时域和频域的相关特征,然后分别利用SVM (支持向量机)和BP神经网络进行模式识别。不断减少每种状态下训练样本集的个数,利用2种不同的方法进行模式识别。当每种状态下的样本个数为3个时,支持向量机仍然能准确地将测试样本进行分类,而BP神经网络完全无法识别。实验结果表明,支持向量机比BP神经网络更适合于小样本的故障诊断。
滚动轴承、BP神经网络、故障诊断、SVM
TH133.33;TH165+.3
中央高校基本科研业务费专项基金资助项目SWJTU12CX039
2014-11-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
132-134,138