典型文献
基于声音融合特征与OCSVM的机床故障分类诊断
文献摘要：
针对数控机床工作中诊断维护困难的问题,提出一种利用声音融合特征搭配一类支持向量机(OCSVM)的故障诊断和SVM故障分类的方法.首先采集不同工作状态下的数控机床运行音频数据,采用梅尔频率倒谱系数(MFCC)和线性预测倒谱系数(LPCC)方法对数据进行多维特征提取,通过PCA降维归一化后融合特征,最后将处理好的特征进行OCSVM检测是否存在故障,并且识别故障类别.研究采集了数控机床正常工作和9类异常故障音作为数据集开展分析.通过实验证明,基于声音特征融合与OCSVM可以实现对数控机床故障的准确诊断,诊断准确率能达到96.1％,通过SVM能对数控机床故障精准分类,分类准确率能达到93.3％.
文献关键词：
一类支持向量机;异音检测;特征融合;降维;故障诊断
中图分类号：
作者姓名：
丁少虎;张瑞晨;杨称称;张森
作者机构：
北方民族大学机电工程学院,宁夏银川750021;北方民族大学电气信息工程学院,宁夏银川750021
文献出处：
引用格式：
[1]丁少虎;张瑞晨;杨称称;张森-.基于声音融合特征与OCSVM的机床故障分类诊断)[J].制造技术与机床,2022(10):13-20
A类：
B类：
融合特征,OCSVM,机床故障,故障分类诊断,数控机床,一类支持向量机,工作状态,音频数据,梅尔频率倒谱系数,MFCC,线性预测,LPCC,多维特征,特征融合,诊断准确率,精准分类,分类准确率,异音检测
AB值：
0.284487
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
