發(fā)布時間：2017-10-17 22:26

  本文關(guān)鍵詞：基于雙樹復(fù)小波和自適應(yīng)權(quán)重和時間因子的粒子群優(yōu)化支持向量機(jī)的軸承故障診斷

  更多相關(guān)文章： 雙樹復(fù)小波 支持向量機(jī) 粒子群算法 自適應(yīng)權(quán)重和時間因子 故障診斷

【摘要】：提出了一種基于雙樹復(fù)小波和具有自適應(yīng)權(quán)重和時間因子的粒子群算法優(yōu)化支持向量機(jī)的軸承故障診斷方法。首先對機(jī)械振動信號進(jìn)行DTCWT變換,提取能量熵作為特征向量。然后采用AWTFPSO算法優(yōu)化SVM,實現(xiàn)軸承故障診斷。不同方法的對比實驗及分析結(jié)果表明,該方法速度快、準(zhǔn)確率高。
【作者單位】： 燕山大學(xué)電氣工程學(xué)院;中南大學(xué)信息科學(xué)與工程學(xué)院;燕山大學(xué)機(jī)械工程學(xué)院;
【關(guān)鍵詞】： 雙樹復(fù)小波 支持向量機(jī) 粒子群算法 自適應(yīng)權(quán)重和時間因子 故障診斷
【基金】：國家自然科學(xué)基金資助項目(51475405,61077071) 河北省自然科學(xué)基金資助項目(F2016203496,F2015203413)
【分類號】：TH133.3
【正文快照】： 0引言 機(jī)械故障診斷技術(shù)是保證生產(chǎn)系統(tǒng)安全穩(wěn)定運行和提高產(chǎn)品質(zhì)量的重要手段和關(guān)鍵技術(shù),其研究的關(guān)鍵在于信號特征提取和模式識別。常用的特征提取方法有傅里葉變換[1]、小波變換[2]和S變換[3]等,主要的分類器有神經(jīng)網(wǎng)絡(luò)[4]、支持向量機(jī)[5]和貝葉斯分類器[6]等。小波變換大

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳祥訓(xùn);時域緊支正交復(fù)小波及其在電力系統(tǒng)的應(yīng)用[J];中國電機(jī)工程學(xué)報;1999年01期

2 任明煒,鄭紅平,孫玉坤;基于最佳提升系數(shù)的雙正交復(fù)小波生成方式[J];電測與儀表;2005年07期

3 崔雪梅,孫才新,李劍,李新,杜林;用復(fù)小波提取變壓器局放脈沖信號特征的研究[J];儀器儀表學(xué)報;2005年02期

4 楊贏,邰能靈,郁惟慵;基于復(fù)小波的快速相差保護(hù)研究[J];中國電機(jī)工程學(xué)報;2005年11期

5 張大波;劉志剛;張亞軍;;復(fù)小波研究現(xiàn)狀及其在電力系統(tǒng)中的應(yīng)用進(jìn)展[J];電力系統(tǒng)自動化;2006年17期

6 蔣斌,羅小平,顏鋼鋒;基于半復(fù)小波的電力系統(tǒng)擾動檢測新方法[J];電力系統(tǒng)自動化;2003年06期

7 何嶺松,熊鷹;FFT復(fù)小波及在設(shè)備故障信號分析中的應(yīng)用[J];華中科技大學(xué)學(xué)報;2001年10期

8 劉雙寶;陶善宏;于繼來;王力欣;;用于提取PD信號的復(fù)小波簇消噪算法[J];高電壓技術(shù);2007年10期

9 幸銳;徐舒暢;張三元;竺樂慶;;融合復(fù)小波特征和局部二值模式的紋理聚類[J];浙江大學(xué)學(xué)報(工學(xué)版);2010年05期

10 張智;韋志輝;夏德深;;復(fù)小波的亞像元圖像重建及去噪方法[J];中國工程科學(xué);2008年11期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 王爽;侯彪;付海軍;焦李成;;基于方向?qū)Ρ榷群途植糠讲畹碾p樹復(fù)小波圖像融合算法[A];第八屆全國信號與信息處理聯(lián)合學(xué)術(shù)會議論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 唐炬;組合電器局放在線監(jiān)測外置傳感器和復(fù)小波抑制干擾的研究[D];重慶大學(xué);2004年

2 吳游;基于復(fù)小波分析的多載波系統(tǒng)在4G中關(guān)鍵技術(shù)的研究[D];南京師范大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 黃學(xué)優(yōu);MRI去噪及分割算法研究[D];浙江師范大學(xué);2016年

2 周金鳳;4-進(jìn)緊支撐復(fù)小波[D];湖南師范大學(xué);2014年

3 田麗偉;復(fù)小波框架、M尺度復(fù)小波及對偶樹復(fù)小波的構(gòu)造[D];陜西師范大學(xué);2011年

4 祁煒;基于導(dǎo)向復(fù)小波的視網(wǎng)膜圖像增強(qiáng)與血管監(jiān)督分割技術(shù)研究[D];華中科技大學(xué);2009年

5 楊魁;基于復(fù)小波域上廣義高斯估計的紋理分類方法[D];吉林大學(xué);2010年

6 彭玢;基于復(fù)小波的圖像內(nèi)容檢索[D];華北電力大學(xué)（北京）;2011年

7 李玉蘭;基于奇異譜斜率算法的復(fù)小波抑制PD白噪干擾的研究[D];重慶大學(xué);2009年

8 唐銘;以復(fù)合復(fù)小波系數(shù)為特征量的局部放電模式識別研究[D];重慶大學(xué);2007年

9 黃水根;復(fù)小波子空間特征融合的人臉識別算法研究[D];南昌大學(xué);2013年

10 王爽;基于小波域MRF樣本修補(bǔ)技術(shù)的研究與實現(xiàn)[D];長春理工大學(xué);2011年

，

本文編號：1051387