| 基于小波包与支持向量机结合的齿轮故障分类研究 |
| |
| 引用本文： | 李永龙,邵忍平,曹精明.基于小波包与支持向量机结合的齿轮故障分类研究[J].西北工业大学学报,2010,28(4). |
| |
| 作者姓名： | 李永龙 邵忍平 曹精明 |
| |
| 作者单位： | 西北工业大学机电学院,陕西,西安,710072 |
| |
| 基金项目： | 国家自然科学基金，航空科学基金，陕西省自然科学基金(2004E219)以西北工业大学研究生创业种子基金 |
| |
| 摘 要： | 文章通过对齿轮系统在不同的运转状态下故障类型进行试验测试分析,采集了有关的振动测试信号,对振动特征信号进行了小波阈值去噪,运用小波包方法对信号进行分解,然后对分解后的各层信号进行重构,并计算各层的能量,将它作为故障特征,在此基础上将各层信号特征作为输入,运用支持向量机对它们进行分类,将所得结果与神经网络分类的结果进行了比较。研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波与支持向量机结合的方法,对于单一故障和复合故障都能够进行很好地区分与诊断,其诊断成功率均在92%以上。该方法不仅可对实际工程工作的齿轮系统进行故障诊断,而且可用于其它故障诊断领域。
|
| 关 键 词： | 小波阈值去噪 小波包变换 支持向量机 特征提取 故障诊断 齿轮系统 |
A New and Effective Method of Gear Fault Diagnosis Using Wavelet Packet Transform Combined with Support Vector Machine |
| |
| Li Yonglong,Shao Renping,Cao Jingming.A New and Effective Method of Gear Fault Diagnosis Using Wavelet Packet Transform Combined with Support Vector Machine[J].Journal of Northwestern Polytechnical University,2010,28(4). |
| |
| Authors: | Li Yonglong Shao Renping Cao Jingming |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
