典型文献
基于混合特征与PSO-SVM的旋转部件故障诊断方法
文献摘要：
针对旋转部件故障诊断问题,为能更全面的提取部件的故障特征信息,提高模型的识别精度,提出一种基于混合特征与PSO-SVM的故障诊断方法.首先,提取电流和振动信号特征参数,结合信息增益算法筛选出对故障敏感的特征参数,结合主成分分析,对敏感特征进行降维处理,消除了无关特征和冗余特征对故障诊断模型的干扰.然后,以SVM分类器为基础,利用PSO算法对模型参数全局寻优,提高故障诊断的识别精度.最后,利用轴承加速疲劳试验数据集将PSO-SVM模型与常用故障诊断模型进行对比,验证该模型的有效性.
文献关键词：
故障诊断;特征提取;信息增益;支持向量机;粒子群优化
中图分类号：
作者姓名：
张拓;余何;何爱民;孙义忠;石万凯
作者机构：
重庆大学机械传动国家重点实验室,重庆 400044;南京高速齿轮制造有限公司,南京 211100
文献出处：
引用格式：
[1]张拓;余何;何爱民;孙义忠;石万凯-.基于混合特征与PSO-SVM的旋转部件故障诊断方法)[J].重庆理工大学学报,2022(08):117-125
A类：
B类：
混合特征,PSO,故障诊断方法,诊断问题,故障特征,特征信息,识别精度,振动信号,信号特征,信息增益,敏感特征,降维处理,冗余特征,故障诊断模型,分类器,全局寻优,轴承,加速疲劳试验,粒子群优化
AB值：
0.2916
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。
