典型文献
特征筛选与SVM结合的风机轴承故障诊断研究
文献摘要：
由于城市轨道交通频繁运行,地铁风机滚动轴承的故障特征极易被复杂多变的背景噪声所掩盖.针对这一问题,提出了一种基于特征筛选与支持向量机(SVM)的故障诊断方法.首先,从轴承原始监测信号中提取多尺度特征,构建轴承常见故障状态下的健康指标特征集;其次,利用拉普拉斯评分对处于故障状态下的健康指标特征集与正常状态下的健康指标特征集进行对比,获得健康指标敏感程度权重分数,筛选出敏感故障特征;最后,运用SVM算法对筛选出的特征进行故障识别,从而准确地实现地铁风机滚动轴承的故障诊断.通过在实际轴承故障数据集上的故障诊断实验,证明了提出方法的有效性和优越性.
文献关键词：
地铁风机;轴承;敏感特征;故障诊断
中图分类号：
作者姓名：
常新宇;李琦
作者机构：
沈阳工业大学化工过程自动化学院,辽宁 沈阳 110023;东北大学机械工程与自动化学院,辽宁 沈阳 110819
文献出处：
引用格式：
[1]常新宇;李琦-.特征筛选与SVM结合的风机轴承故障诊断研究)[J].机械设计与制造,2022(10):71-74,80
A类：
地铁风机
B类：
特征筛选,风机轴承,轴承故障诊断,诊断研究,城市轨道交通,滚动轴承,故障特征,背景噪声,掩盖,故障诊断方法,监测信号,多尺度特征,常见故障,故障状态,健康指标,指标特征,征集,拉普拉斯,正常状态,敏感程度,故障识别,故障数据,诊断实验,敏感特征
AB值：
0.289461
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。
