本文關(guān)鍵詞：基于小波包分解與K-L變換的齒輪泵振動信號故障特征提取方法　出處：《機(jī)床與液壓》2016年21期 　論文類型：期刊論文

  更多相關(guān)文章： 故障診斷 小波包分解 K-L變換 特征提取

【摘要】：針對齒輪泵故障成因復(fù)雜、模糊性強(qiáng)的特點(diǎn),結(jié)合小波包分解與K-L變換,提出一種適用于支持向量機(jī)故障診斷的特征提取方法。通過小波包對樣本故障振動信號進(jìn)行分解得到特征向量,而后利用K-L變換處理得到新的特征向量集,達(dá)到降維去噪的目的。將處理后的特征向量集用于支持向量機(jī)的模型訓(xùn)練,分析結(jié)果表明:該方法能夠有效提高故障模式識別準(zhǔn)確率和識別效率。
[Abstract]:This paper proposes a feature extraction method suitable for fault diagnosis of support vector machine by combining wavelet packet decomposition and K - L transformation , and then using K - L transform processing to obtain a new feature vector set , which is used to support vector machine ' s model training . The result shows that the method can effectively improve the accuracy and efficiency of fault pattern recognition .

【作者單位】： 第二炮兵工程大學(xué)兵器發(fā)射理論與技術(shù)國家重點(diǎn)學(xué)科實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61102170)
【分類號】：TH325
【正文快照】： 0前言齒輪泵工作時(shí)由于環(huán)境變化以及各類故障的影響,其自身產(chǎn)生的振動信號一般會包含故障信息。通過支持向量機(jī)(Support Vector Machine,SVM)對這些信號進(jìn)行分析處理,可實(shí)現(xiàn)對齒輪泵故障的檢測和診斷[1]。但利用SVM進(jìn)行故障診斷時(shí),采集的振動信號樣本不可避免的含有噪聲,當(dāng)噪

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 錢蘇翔;楊世錫;焦衛(wèi)東;胡紅生;;基于獨(dú)立分量分析與小波包分解的混疊聲源信號波形恢復(fù)[J];中國機(jī)械工程;2010年24期

2 劉曉波,黃其柏,孫康;小波包分解及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];風(fēng)機(jī)技術(shù);2004年06期

3 李自國;郝偉;李凌均;;基于小波包分解和支持向量數(shù)據(jù)描述的故障診斷方法[J];機(jī)械強(qiáng)度;2007年03期

4 任世美;;基于小波包分解的轉(zhuǎn)子葉片裂紋故障特征分析[J];冶金設(shè)備;2005年06期

5 王軒;王莉;魏蔚;;瞬時(shí)功率小波包分解法在軸承故障診斷中的應(yīng)用[J];軸承;2010年10期

6 葉瑞召;李萬紅;;基于小波包分解和BP神經(jīng)網(wǎng)絡(luò)的軸承故障診斷[J];軸承;2012年10期

7 王洪剛,鄭海起,馬吉?jiǎng)?欒軍英;變速箱故障聲壓信號的小波包分解與診斷[J];振動與沖擊;2001年02期

8 ;[J];;年期

相關(guān)會議論文 前1條

1 王志剛;呂勇;李友榮;李方;;基于自適應(yīng)諧波小波包分解的齒輪故障診斷方法[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

，

本文編號：1373339