| 基于Fisher比率与SVM的滚动轴承故障诊断方法 |
| |
| 引用本文： | 高立新,任志强,张建宇,胥永刚,王燕.基于Fisher比率与SVM的滚动轴承故障诊断方法[J].北京工业大学学报,2011,37(1):13-18. |
| |
| 作者姓名： | 高立新 任志强 张建宇 胥永刚 王燕 |
| |
| 作者单位： | 北京工业大学,北京市先进制造技术重点实验室,北京,100124;北京工业大学,北京市先进制造技术重点实验室,北京,100124;北京工业大学,北京市先进制造技术重点实验室,北京,100124;北京工业大学,北京市先进制造技术重点实验室,北京,100124;北京工业大学,北京市先进制造技术重点实验室,北京,100124 |
| |
| 基金项目： | 国家自然科学基金资助项目(50705001,51075009); 国家“八六三”计划资助项目(2009AA04Z417) |
| |
| 摘 要： | 针对滚动轴承故障诊断中普遍存在的小样本学习问题,采用支持向量机实现轴承故障的模式识别.为了解决时域统计参数对于轴承故障的多分类效果较差的问题,引入小波包分解(wavelet packet decomposition,WPD)技术,提取振动信号各频带的能量系数构造特征向量,并采用Fisher比率法对特征向量进行优化选取;然后利用支持向量机(support vector machine,SVM)进行故障模式识别,并与小波包分解及时域统计参数的分类效果进行对比分析.结果表明:支持向量机是实现轴承故障模式识别的一种有效手段;本方法的分类效果及时间效率明显优于传统的多维时域指标和小波能量系数分类方法;将Fisher比率法与SVM相结合可以提高轴承故障诊断的准确率.
|
| 关 键 词： | 小波包分解 支持向量机 特征向量 Fisher比率 故障识别 |
Rolling Bearing Fault Diagnosis Methods Based on Fisher Ratio and SVM |
| |
| GAO Li-xin,REN Zhi-qiang,ZHANG Jian-yu,XU Yong-gang,WANG Yan.Rolling Bearing Fault Diagnosis Methods Based on Fisher Ratio and SVM[J].Journal of Beijing Polytechnic University,2011,37(1):13-18. |
| |
| Authors: | GAO Li-xin REN Zhi-qiang ZHANG Jian-yu XU Yong-gang WANG Yan |
| |
| Affiliation: | GAO Li-xin,REN Zhi-qiang,ZHANG Jian-yu,XU Yong-gang,WANG Yan(Key Laboratory of Advanced Manufacturing Technology,Beijing University of Technology,Beijing 100124,China) |
| |
| Abstract: | According to the widespread problem of small sample learning on rolling bearing fault diagnosis,support vector machine(SVM) is used to complete the pattern recognition of bearing fault.In order to solve the problem of poor effect of multi-classification bearing faults owing to time-domain statistical parameters,the Wavelet Packet Decomposition(WPD) technology is introduced to extract energy coefficient of each vibration signal frequency band to construct feature vector,optimize and select feature vector tho... |
| |
| Keywords: | wavelet packet decomposition support vector machine feature vectors Fisher ratio fault identification |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
