本文關鍵詞：基于小波包與奇異值分解的GA-SVM滾動軸承故障診斷方法研究

  更多相關文章： 小波包 奇異值 遺傳算法 支持向量機 滾動軸承

【摘要】：針對滾動軸承故障診斷中特征向量難以提取與支持向量機結構參數(shù)選取依據(jù)經(jīng)驗的問題,提出了基于小波包與奇異值分解的GA-SVM滾動軸承故障診斷方法。首先,采用小波包對采集的滾動軸承各狀態(tài)下的信號進行分解,獲取表征信號局部特征的各節(jié)點系數(shù),在此基礎上構建各節(jié)點系數(shù)矩陣并進行奇異值分解,來獲取特征向量進而將其作為故障診斷模型的輸入;其次,利用遺傳算法(GA)優(yōu)化支持向量機(SVM)的懲罰系數(shù)和高斯核系數(shù)兩個結構參數(shù);最后,將上述特征向量作為輸入,建立GA優(yōu)化SVM的故障診斷模型,實現(xiàn)滾動軸承的狀態(tài)辨識。實驗結果表明,與BP、SVM、PSOSVM相比,基于小波包與奇異值分解的GA優(yōu)化SVM滾動軸承故障診斷方法具有更高的分類精度,能夠提高滾動軸承狀態(tài)辨識的效果。
【作者單位】： 內(nèi)蒙古科技大學機械工程學院;浙江大學信息學部控制科學學系;
【關鍵詞】： 小波包 奇異值 遺傳算法 支持向量機 滾動軸承
【基金】：國家自然科學基金(21366017) 內(nèi)蒙古科技廳高新技術領域科技計劃重大項目(20130302) 內(nèi)蒙古科技大學創(chuàng)新基金的部分資助(2015QDL12)
【分類號】：TH133.33
【正文快照】： 內(nèi)蒙古科技大學創(chuàng)新基金的部分資助(2015QDL12)1引言滾動軸承作為機械設備中非常重要的部件,由于長期處在轉速不定、交變載荷及高溫、高濕、多粉塵的惡劣環(huán)境下,其滾動體、保持架、外圈和內(nèi)圈等某一個或幾個部位極易受損,從而誘發(fā)故障,嚴重影響生產(chǎn),進而導致重大經(jīng)濟損失。因

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張益純,劉振娟;滾動軸承故障分析探討[J];內(nèi)燃機配件;2000年03期

2 秦愷,陳進,姜鳴,陳春梅;一種滾動軸承故障特征提取的新方法——譜相關密度[J];振動與沖擊;2001年01期

3 鄧長春;;聲發(fā)射法在滾動軸承故障識別中的應用[J];試驗技術與試驗機;2002年Z2期

4 任昭蓉;滾動軸承故障的小波診斷法[J];機械制造與自動化;2004年06期

5 陸爽,田野;滾動軸承故障特征識別的時頻分析研究[J];機床與液壓;2005年06期

6 江涌;基于余弦調(diào)頻小波變換的滾動軸承故障研究[J];機械設計與制造;2005年06期

7 程光友;;時域指標在滾動軸承故障診斷中的應用[J];中國設備工程;2005年12期

8 陳洪軍;趙新澤;王延軍;;滾動軸承故障試驗臺的理論建模分析[J];四川理工學院學報(自然科學版);2005年04期

9 李崇晟;滾動軸承故障的非線性診斷方法[J];軸承;2005年05期

10 趙春華;嚴新平;趙新澤;袁成清;高虹亮;;滾動軸承故障的可拓物元診斷方法[J];潤滑與密封;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張益純;;常見滾動軸承故障診斷的技術探討[A];第十屆全國設備監(jiān)測與診斷技術學術會議論文集[C];2000年

2 楊積忠;左立建;;滾動軸承故障診斷實例[A];設備監(jiān)測與診斷技術及其應用——第十二屆全國設備監(jiān)測與診斷學術會議論文集[C];2005年

3 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應用研究[A];第九屆全國振動理論及應用學術會議論文摘要集[C];2007年

4 李放寧;;峰值能量在滾動軸承故障診斷中的應用[A];第十屆全國設備監(jiān)測與診斷技術學術會議論文集[C];2000年

5 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應用研究[A];第九屆全國振動理論及應用學術會議論文集[C];2007年

6 張九軍;;常見滾動軸承故障的簡易診斷[A];2008年全國煉鐵生產(chǎn)技術會議暨煉鐵年會文集（上冊）[C];2008年

7 李興林;;滾動軸承故障診斷技術現(xiàn)狀及發(fā)展[A];2009年全國青年摩擦學學術會議論文集[C];2009年

8 唐海峰;陳進;董廣明;;信號稀疏分解方法在滾動軸承故障診斷中的應用[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

9 高耀智;;高階統(tǒng)計量與小波分析相結合在滾動軸承故障診斷中的應用[A];2009年全國青年摩擦學學術會議論文集[C];2009年

10 和衛(wèi)星;陳曉平;馬東玲;;基于混沌時間序列的滾動軸承故障局部預測[A];2009中國儀器儀表與測控技術大會論文集[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 于江林;滾動軸承故障的非接觸聲學檢測信號特性及重構技術研究[D];大慶石油學院;2009年

2 楊柳松;基于小波分析與神經(jīng)網(wǎng)絡滾動軸承故障診斷方法的研究[D];東北林業(yè)大學;2013年

3 從飛云;基于滑移向量序列奇異值分解的滾動軸承故障診斷研究[D];上海交通大學;2012年

4 趙協(xié)廣;基于小波變換和經(jīng)驗模態(tài)分解的滾動軸承故障診斷方法研究[D];山東科技大學;2009年

5 侯者非;強噪聲背景下滾動軸承故障診斷的關鍵技術研究[D];武漢理工大學;2010年

6 郭艷平;面向風力發(fā)電機組齒輪箱滾動軸承故障診斷的理論與方法研究[D];浙江大學;2012年

7 Ao Hung Linh（池雄嶺）;基于化學反應優(yōu)化算法和支持向量機的滾動軸承故障診斷方法研究[D];湖南大學;2014年

8 崔寶珍;自適應形態(tài)濾波與局域波分解理論及滾動軸承故障診斷[D];中北大學;2013年

9 姜銳紅;基于譜峭度及原子分解的滾動軸承故障診斷方法研究[D];上海大學;2014年

10 王雷;基于流形學習的滾動軸承故障診斷若干方法研究[D];大連理工大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李玉奎;基于非平穩(wěn)信號分析的滾動軸承故障診斷研究[D];燕山大學;2015年

2 卜勇霞;基于時頻分析方法的滾動軸承故障診斷研究[D];昆明理工大學;2015年

3 馬寶;基于KICA和LSSVM的滾動軸承故障監(jiān)測及診斷方法[D];昆明理工大學;2015年

4 王美波;基于聲學方法的滾動軸承故障信號分析方法研究[D];大慶石油學院;2008年

5 李秋瑞;基于近鄰函數(shù)準則與支持向量機的滾動軸承故障診斷研究[D];電子科技大學;2010年

6 趙長生;滾動軸承故障特征增強方法與狀態(tài)預測研究[D];大連理工大學;2010年

7 呂路勇;基于振動信號的滾動軸承故障診斷方法研究[D];華北電力大學（河北）;2008年

8 劉春光;基于多傳感器信息融合的滾動軸承故障診斷研究[D];青島理工大學;2009年

9 尚景山;基于模糊與虛擬儀器的滾動軸承故障診斷系統(tǒng)研究[D];大連交通大學;2011年

10 蘇憲章;滾動軸承故障非接觸多傳感器聲信號融合及診斷技術研究[D];東北石油大學;2012年

，

本文編號：952369