共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
旋转机械的振动信号具有非线性、非平稳特点,同时其早期的微弱故障信号易受噪声的干扰,因此在故障诊断中难以提取其故障特征,识别其故障类型,针对这一问题,提出了一种基于变分模态分解(VMD)-奇异值分解(SVD)和支持向量机(SVM)的旋转机械故障诊断方法.首先,对原始振动信号进行了VMD分解,并得到了其若干个分量信号;然后... 相似文献
5.
6.
7.
基于EMD和球结构SVM的滚动轴承故障诊断 总被引:3,自引:1,他引:2
提出了一种基于经验模式分解(Emprical Mode Decomposition,简称EMD)和球结构支持向量机的滚动轴承故障诊断方法.该方法以EMD的能量特征向量作为输入来建立球结构支持向量机分类器,识别滚动轴承的故障类型,通过麦克斯韦的三角平面坐标色度图方法进行可视化验证,并且与小波包能量特征向量作为输入的球结构支持向量机诊断方法进行比较.结果表明,用EMD能量法作预处理更能准确地提取故障特征量,有更高的故障识别率. 相似文献
8.
基于EMD和免疫参数自适应SVM的滚动轴承故障诊断 总被引:1,自引:0,他引:1
为实现滚动轴承故障的智能诊断,提出一种基于经验模式分解和免疫参数自适应支持向量机相结合的滚动轴承故障诊断方法.使用经验模式分解将故障信号分解为若干个本征模函数之和,然后通过定义的故障特征频率筛选函数,自动地从各本征模函数的包络谱中提取出包含轴承外圈、内圈及滚动体故障的特征向量.在特征提取的基础上,将改进的免疫克隆选择算法和K折交叉验证方法相结合,实现了支持向量机参数的自适应优化选取,并进一步训练得到免疫参数自适应支持向量机分类器.通过SKF6203滚动轴承数据实验表明,该方法能获得较高的故障诊断识别率. 相似文献
9.
10.
11.
简要介绍了轴承故障诊断的基本方法,通过对比共振解调法和经验模态分解法,证明了经验模态分解是一种适用于分析非线性、非平稳信号的方法.同时,通过实际例子验证了该方法可以用于有效地发现轴承故障,从而提高了诊断的准确性. 相似文献
12.
13.
14.
基于mRMR原则和优化SVM的模拟电路故障诊断 总被引:5,自引:0,他引:5
为了解决模拟电路故障诊断中有效特征提取困难和提高故障诊断的准确率,提出了一种基于最小冗余最大相关(minimum redundancy maximum relevance,mRMR)原则和优化支持向量机(support vector machine,SVM)的模拟电路故障诊断新方法.该方法利用mRMR原则对待诊断电路响应信号进行特征提取,将得到的最优故障特征输入SVM进行故障分类识别,并用遗传算法(genetic algorithm,GA)优化SVM的核参数,避免参数选择的盲目性,提高模型的诊断精度.实验结果表明该方法是有效的,提高了模拟电路故障诊断精度. 相似文献
15.
16.
17.
18.
轴承复合故障分类中存在故障特征强线性不可分及故障数据标签不足问题,严重影响分类精度。为此,提出基于双阶段支持向量机(SVM)与小波核扩散的轴承复合故障分类方法。针对故障特征强线性不可分,使用小波核函数对其进行高维空间映射,并利用极大重叠离散小波包变换获取信号在不同频带上的能量分布作为故障特征;针对故障数据标签不足,提出增量式核空间标签扩散的双阶段SVM分类模型,在小波核空间核差异距离基础上,利用增量式核空间标签扩散对训练样本的近邻样本、粗分阶段边界样本进行扩充,并在细分阶段依据扩充后的样本完成模型训练。3组轴承复合故障数据验证了所提方法的有效性,实验研究表明,在单类训练样本为5的条件下,所提方法比SVM分类准确率平均提升7.5%,并优于其他流行算法。 相似文献
19.
基于SVM和证据理论的多数据融合故障诊断方法 总被引:7,自引:2,他引:7
针对D-S证据理论很难确定基本概率分配(BPA)及支持向量机(SVM)的硬判决难获得概率输出的缺陷,融合D-S证据理论和SVM算法提出了一种多数据融合故障诊断新方法:利用"一对一"多类SVM分配了BPA,引入基于矩阵分析的融合算法解决了证据理论存在的计算瓶颈问题。对液压泵进行了试验,首先,采集了柱塞泵松靴、缸体与配流盘磨损等故障信号,应用小波包对采集的信号进行了预处理,提取了12个时频特征量;最后,用所提出的基于SVM和证据理论的多数据融合新方法进行了诊断。试验结果表明,新方法故障确诊率高,诊断有效。 相似文献
20.
《Measurement》2016
The extraction of repetitive impacts from vibration signals plays an essential role in bearing fault detection. Among different signal processing algorithms, morphological filter (MF) has attracted lots of attention because it could directly extract the geometric structure of the impulsive feature and only needs little computation. However, the conventional MF and some current improvements are based on the local optima of the raw signal to de-noise the noisy signal and its faulty feature extracting capability would be greatly affected by the noise. In this paper, a new improved MF algorithm is proposed to overcome such deficiency. Firstly, morphological gradient (MG) operator is selected in this paper due to its capability of picking up both positive and negative impulses. Then, based on the relationship between the defect induced impulse and a harmonic function with the resonant frequency, the harmonic waveform in a period is adopted to instruct the construction of structuring element (SE). The improved MF can obtain the fault feature from low SNR signals. The processing results of a simulation signal and two sets of experimental signals and a set of comparisons verify the effectiveness and robustness of the proposed method. 相似文献