典型文献
基于ISVD多级降噪和SVM的轴承故障诊断研究
文献摘要：
在强噪声背景下难以提取出滚动轴承的故障特征,导致对轴承的故障诊断准确率不高,针对这一问题,提出了一种基于小波变换、改进奇异值分解多级降噪算法与支持向量机模型的轴承故障诊断方法.首先,采用小波降噪对滚动轴承的原始信号进行了初始降噪,消除了部分的随机噪声;然后,主要通过改进相空间矩阵重构方式,对该信号进行了改进奇异值分解二次降噪,并提出了新的奇异值有效秩阶次确定方法,利用峭度对一维信号提取方案进行了优化,并对其完成了降噪;最后,通过提取了10个有效特征,结合支持向量机在MATLAB中进行了仿真实验,分析了不同特征对轴承的故障诊断结果的影响,并将方法与其他方法进行了对比分析.研究结果表明:采用多级降噪算法降低了轴承工作状态下的背景噪声,使其故障特征频率更为明显;支持向量机分类诊断器的故障识别准确率达到98.3％,能够有效地识别轴承故障发生的位置和严重程度.
文献关键词：
滚动轴承;故障特征频率;小波变换;改进奇异值分解;多级降噪算法;支持向量机;机械运行与维修
中图分类号：
作者姓名：
杜占涛;纪爱敏;陈曦晖;孙鑫威;林新海
作者机构：
河海大学 机电工程学院,江苏 常州213000;中车戚墅堰机车车辆工艺研究所有限公司,江苏 常州213000
文献出处：
引用格式：
[1]杜占涛;纪爱敏;陈曦晖;孙鑫威;林新海-.基于ISVD多级降噪和SVM的轴承故障诊断研究)[J].机电工程,2022(05):567-577
A类：
ISVD,多级降噪,改进奇异值分解,多级降噪算法,机械运行与维修
B类：
轴承故障诊断,诊断研究,强噪声,滚动轴承,故障诊断准确率,于小波,小波变换,支持向量机模型,故障诊断方法,小波降噪,随机噪声,进相,相空间,空间矩阵,矩阵重构,阶次,确定方法,峭度,信号提取,有效特征,诊断结果,其他方法,工作状态,背景噪声,故障特征频率,支持向量机分类,分类诊断,诊断器,故障识别,识别准确率
AB值：
0.239378
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。
