| 基于快速谱相关和PSO-SVM的变工况滚动轴承状态识别 |
| |
| 引用本文： | 唐贵基,田甜,庞彬. 基于快速谱相关和PSO-SVM的变工况滚动轴承状态识别[J]. 电力自动化设备, 2019, 39(7) |
| |
| 作者姓名： | 唐贵基 田甜 庞彬 |
| |
| 作者单位： | 华北电力大学机械工程系,河北保定,071003;华北电力大学机械工程系,河北保定,071003;华北电力大学机械工程系,河北保定,071003 |
| |
| 基金项目： | 国家自然科学基金资助项目(51777074)；中央高校基本科研业务费专项资金资助项目(2017XS134) |
| |
| 摘 要： | 滚动轴承故障诊断进入“大数据”时代需要不断发展和完善故障智能识别技术，而已有方法在变工况下的故障识别准确率较低。针对此问题，提出了一种基于快速谱相关和粒子群优化支持向量机(PSO-SVM)的变工况滚动轴承状态识别方法。对滚动轴承的振动信号进行快速谱相关，得到快速谱相关谱；在快速谱相关谱中选取4个循环频率，并求其能量均值，得到信号的特征能量矩阵；将它作为特征向量输入PSO-SVM进行训练和测试。试验结果表明：在运用PSO-SVM进行变工况滚动轴承状态识别的过程中，由快速谱相关谱得到的特征能量矩阵能更好地体现滚动轴承在不同工况下的多状态特征，且PSO-SVM的自适应能力强，不需要人为设置参数，具有更高的识别率。
|
| 关 键 词： | 滚动轴承 快速谱相关 PSO-SVM 变工况 状态识别 |
| 收稿时间： | 2018-09-28 |
| 修稿时间： | 2019-04-10 |
State identification of rolling bearing under variable working condition based on fast spectral correlation and PSO-SVM |
| |
| TANG Guiji,TIAN Tian and PANG Bin. State identification of rolling bearing under variable working condition based on fast spectral correlation and PSO-SVM[J]. Electric Power Automation Equipment, 2019, 39(7) |
| |
| Authors: | TANG Guiji TIAN Tian PANG Bin |
| |
| Affiliation: | Department of Mechanical Engineering, North China Electric Power University, Baoding 071003, China,Department of Mechanical Engineering, North China Electric Power University, Baoding 071003, China and Department of Mechanical Engineering, North China Electric Power University, Baoding 071003, China |
| |
| Abstract: | |
| |
| Keywords: | rolling bearing fast spectral correlation PSO-SVM variable conditions state identification |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电力自动化设备》浏览原始摘要信息 |
|
点击此处可从《电力自动化设备》下载全文 |
