| 基于KICA-GDA和LSSVM的齿轮箱轴承故障诊断 |
| |
| 引用本文： | 杨伟新,王平,李舜酩.基于KICA-GDA和LSSVM的齿轮箱轴承故障诊断[J].噪声与振动控制,2019,39(1):192-196. |
| |
| 作者姓名： | 杨伟新 王平 李舜酩 |
| |
| 作者单位： | ( 1. 中国航发湖南动力机械研究所，湖南株洲412002； 2. 南京航空航天大学，南京21000 ) |
| |
| 基金项目： | 中国航发技术创新基金资助项目(2014B60815R) |
| |
| 摘 要： | 为了提高齿轮箱轴承故障识别率,提出基于核独立分量分析(KICA)、广义辨别分析(GDA)与最小二乘支持向量机(LSSVM)的轴承故障识别方法。首先将轴承故障信号的谱峭度、信息熵等故障特征作为原始特征向量,通过KICA方法将原始特征向量映射到核特征空间,去掉不同故障特征间的冗余并消除原始特征向量间的相关性。然后利用GDA方法对故障特征进行非线性融合,并将其作为LSSVM分类器的输入从而实现轴承的故障分类。齿轮箱滚动轴承故障诊断试验结果表明:KICA-GDA和LSSVM的故障诊断方法可以识别出更多的轴承故障信息,且提高了LSSVM的分类性能,该方法相对于直接采用LSSVM进行分类的轴承故障方法具有更优秀的分类性能。
|
| 关 键 词： | 振动与波 滚动轴承 齿轮箱 故障诊断 KICA GDA LSSVM |
| 收稿时间： | 2018-01-11 |
| 修稿时间： | 2018-05-13 |
Fault Diagnosis of Gearbox Bearings based on KICA-GDA and LSSVM |
| |
| YANG Weixin,WANG Ping,LI Shunming.Fault Diagnosis of Gearbox Bearings based on KICA-GDA and LSSVM[J].Noise and Vibration Control,2019,39(1):192-196. |
| |
| Authors: | YANG Weixin WANG Ping LI Shunming |
| |
| Affiliation: | (AECC Hunan Aviation Powerplant Research Institute, Zhuzhou 412002, Hunan China;Nanjing University of Aeronautics and Astronautics, Najing 210000, China) |
| |
| Abstract: | YANG Weixin;WANG Ping;LI Shunming(AECC Hunan Aviation Powerplant Research Institute, Zhuzhou 412002, Hunan China;Nanjing University of Aeronautics and Astronautics, Najing 210000, China) |
| |
| Keywords: | vibration and wave rolling bearing gearbox fault diagnosis KICA GDA LSSVM |
| 本文献已被 CNKI 维普 等数据库收录！ |
| 点击此处可从《噪声与振动控制》浏览原始摘要信息 |
|
点击此处可从《噪声与振动控制》下载全文 |
