本文關(guān)鍵詞：基于決策樹與多元支持向量機(jī)的齒輪箱早期故障診斷方法

  更多相關(guān)文章： 齒輪箱 決策樹 支持向量機(jī) 故障識(shí)別 神經(jīng)網(wǎng)絡(luò)

【摘要】：齒輪箱部件的故障形式多樣,典型故障訓(xùn)練樣本數(shù)量有限;為了提高齒輪箱故障診斷的精度和效率,提出了基于決策樹與多元支持向量機(jī)的齒輪箱早期故障診斷方法;利用決策樹分類速度快、效率高的優(yōu)點(diǎn)和支持向量機(jī)在小樣本二元分類方面突出的特點(diǎn)構(gòu)建多元分類識(shí)別模型,在不同故障情形下提取齒輪箱振動(dòng)信號(hào)典型特征參數(shù)作為故障特征向量訓(xùn)練模型,并對(duì)樣本進(jìn)行測(cè)試;實(shí)驗(yàn)結(jié)果表明,該方法在小樣本情況下識(shí)別效果明顯優(yōu)于神經(jīng)網(wǎng)絡(luò)方法,同時(shí)在識(shí)別效率方面比常規(guī)多元支持向量機(jī)方法有了較大的提高。
【作者單位】： 北京建筑大學(xué)北京市建筑安全監(jiān)測(cè)工程技術(shù)研究中心;中原輸油氣分公司;
【關(guān)鍵詞】： 齒輪箱 決策樹 支持向量機(jī) 故障識(shí)別 神經(jīng)網(wǎng)絡(luò)
【基金】：國家自然科學(xué)基金項(xiàng)目(51004005) 北京市優(yōu)秀人才培養(yǎng)資助項(xiàng)目(2013D005017000013) 北京市屬高等學(xué)校高層次人才引進(jìn)與培養(yǎng)計(jì)劃項(xiàng)目
【分類號(hào)】：TH17;TP18
【正文快照】： 0引言齒輪箱作為傳遞動(dòng)力的常用裝置廣泛地應(yīng)用于各種工程機(jī)械上。在絕大多數(shù)工程施工場(chǎng)合下,由于設(shè)備工作強(qiáng)度大、環(huán)境惡劣,齒輪箱容易受到損傷,發(fā)生故障的概率較大[1]。齒輪、軸、軸承都是齒輪箱中的易損零件,據(jù)統(tǒng)計(jì)約有80%的機(jī)械故障是由它們的損壞而引起[2]。其中,齒輪是

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 吳德會(huì);;一種基于支持向量機(jī)的齒輪箱故障診斷方法[J];振動(dòng)、測(cè)試與診斷;2008年04期

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張星輝;康建設(shè);曹端超;孫磊;滕紅智;;基于SVM與GA參數(shù)優(yōu)化的齒輪箱斷齒故障診斷方法研究[J];機(jī)械傳動(dòng);2012年12期

2 趙衛(wèi)偉;潘宏俠;;基于PSO參數(shù)優(yōu)化的支持向量機(jī)齒輪箱故障診斷研究[J];機(jī)床與液壓;2014年07期

3 陳立軍;侯爽;葉，

本文編號(hào)：940485