|
|||||
|
|
| 基于模拟退火与LSSVM的轴承故障诊断 | |
| 引用本文： | 隋文涛,路长厚,Wilson Wang. 基于模拟退火与LSSVM的轴承故障诊断[J]. 振动、测试与诊断, 2010, 30(2): 119-122 |
| 作者姓名： | 隋文涛 路长厚 Wilson Wang |
| 作者单位： | 1. 山东大学机械工程学院高效洁净机械制造教育部重点实验室 济南,250061;山东理工大学机械工程学院,淄博,255049 2. 山东大学机械工程学院高效洁净机械制造教育部重点实验室 济南,250061 3. Department of Mechanical Engineering,Lakehead University,Thunder Bay,Canada,P7B 5E1 4. 山东理工大学机械工程学院,淄博,255049 |
| 摘 要： | 运用模拟退火与最小二乘支持向量机(least square support vector machine,简称LSSVM)轴承的故障诊断法,是在得到较优的λ和σ参数的同时进行特征选择获取显著特征子集.为验证所提方法的有效性,将4种运行状态、5种转速、2类载荷条件下测得的轴承振动信号作为研究样本,提取信号的52个特征.试验结果表明,该法对轴承故障分类的准确率较高,可有效用于旋转机械的状态监控. |
| 关 键 词： | 参数优化 特征选择 模拟退火算法 最小二乘支持向量机 故障诊断 |
Bearing Fault Diagnosis Using Simulated Annealing Algorithm and Least Squares Support Vector Machines |
|
| Sui Wentao,Lu Changhou,Wilson Wang,Zhang Dan. Bearing Fault Diagnosis Using Simulated Annealing Algorithm and Least Squares Support Vector Machines[J]. Journal of Vibration,Measurement & Diagnosis, 2010, 30(2): 119-122 | |
| Authors: | Sui Wentao Lu Changhou Wilson Wang Zhang Dan |
| Abstract: | |
| Keywords: | parameter optimization feature selection simulated annealing algorithm least squares support vector machines fault diagnosis |
| 本文献已被 维普 万方数据 等数据库收录！ | |
| 点击此处可从《振动、测试与诊断》浏览原始摘要信息 | |
| 点击此处可从《振动、测试与诊断》下载全文 | |