本文關(guān)鍵詞：基于小波包熵與SVM的導(dǎo)軌摩擦磨損狀態(tài)識別

  更多相關(guān)文章： 摩擦振動 信號處理 小波包分解 支持向量機 狀態(tài)識別

【摘要】：針對摩擦振動和噪聲信號較難獲得、信號抗干擾能力差以及生產(chǎn)中難以得到大量摩損狀態(tài)樣本的情況,提出小波包熵和支持向量機(SVM)相結(jié)合的機床導(dǎo)軌摩擦磨損狀態(tài)識別方法。該方法通過小波包分解方法將信號分解到獨立相鄰的節(jié)點頻帶中,設(shè)計對比實驗獲得導(dǎo)軌摩擦信息特征頻帶對應(yīng)的小波包節(jié)點序列,以該序列小波包能量熵值建立特征向量作為SVM的輸入?yún)?shù)。實驗結(jié)果表明,以多項式核函數(shù)和徑向基核函數(shù)建立的SVM分類器平均識別率分別達到72.2%和83.3%,具有較好的預(yù)測推廣能力及較高的識別準確率。
【作者單位】： 寧波大學(xué)機械工程與力學(xué)學(xué)院;浙江省零件軋制成形技術(shù)研究重點實驗室;
【基金】：浙江省自然科學(xué)項目“小型海洋作業(yè)船舶應(yīng)用綠色能源的關(guān)鍵技術(shù)研究”(LY12E09001) 寧波市自然科學(xué)基金“擺動葉片式海浪能發(fā)電裝置性能研究”(2015A610150) 寧波市重點學(xué)科項目“葉片及其加工過程研究”(XKl15D223)
【分類號】：TG659
【正文快照】： 中文引用格式:任瑤,李國富,應(yīng)小剛,等.基于小波包熵與SVM的導(dǎo)軌摩擦磨損狀態(tài)識別[J].計算機工程,2016,42(11):281-284.英文引用格式:Ren Yao,Li Guofu,Ying Xiaogang,et al.Guideway Friction and Wear State Recognition Based onWavelet Package Entropy and SVM[J].Compute

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 康廷杰;周金旭;;基于聲發(fā)射技術(shù)的磨削狀態(tài)識別[J];機械制造與自動化;2009年02期

2 徐曉麗;舒賾;鐘秉林;;模糊決策樹在磨削狀態(tài)識別中的應(yīng)用[J];微計算機信息;2008年19期

3 劉巖;劉璨;;線性機與粗糙集綜合聚類的銑刀破損狀態(tài)識別[J];機電工程技術(shù);2006年07期

4 董桂華;張壽明;;基于數(shù)據(jù)融合的鋁箔軋制過程狀態(tài)識別研究[J];自動化儀表;2009年11期

5 劉剛;;基于切削聲音的刀具磨損狀態(tài)識別研究[J];機械研究與應(yīng)用;2008年06期

6 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 劉偉;郭鐘寧;張永俊;何建文;;面向IGBT主動驅(qū)動并聯(lián)仿真研究[A];第11屆粵港機械電子工程技術(shù)與應(yīng)用研討會論文匯編[C];2010年

，

本文編號：1198406