為解決生產(chǎn)加工過(guò)程中進(jìn)給系統(tǒng)滾動(dòng)軸承故障特征難提取、傳統(tǒng)分類算法故障識(shí)別效率和精度較低的問(wèn)題,本文提出一種基于S變換-奇異值分解和極端梯度提升(XGBoost)算法的進(jìn)給系統(tǒng)軸承故障診斷方法。首先對(duì)采集的振動(dòng)信號(hào)進(jìn)行S變換和奇異值分解提取特征;然后利用獲取的特征矩陣,建立XGBoost故障識(shí)別模型。實(shí)驗(yàn)結(jié)果表明S變換-奇異值分解方法能夠有效捕獲滾動(dòng)軸承故障特征,XGBoost較其他算法在故障識(shí)別中具有更高的準(zhǔn)確性和辨識(shí)效率。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
1 ST-SVD故障特征提取方法
    1.1 S變換
    1.2 奇異值分解
2 基于XGBoost算法的故障辨識(shí)模型
3 故障診斷方法流程設(shè)計(jì)
4 實(shí)驗(yàn)及驗(yàn)證
    4.1 實(shí)驗(yàn)方案設(shè)計(jì)
    4.2 XGBoost算法參數(shù)優(yōu)化
    4.3 實(shí)驗(yàn)結(jié)果
5 結(jié) 語(yǔ)



本文編號(hào)：3748146