典型文献
基于CGA-SVR的电主轴磨损故障诊断方法研究
文献摘要：
电主轴是数控机床的一个重要功能部件,其优劣直接影响着工件质量,对电主轴进行故障诊断可以提高可靠性、降低生产成本.因此采用混沌遗传算法(CGA)优化的支持向量机回归模型(SVR)进行电主轴故障诊断.此方法利用主成分分析(PCA)对电主轴磨损故障振动信号的时、频域特征向量进行降维,将降维后的特征向量输入到经过CGA参数优化的SVR模型中并进行训练和测试.结果表明,使用该模型对电主轴进行故障诊断,其训练和测试的准确率分别达到了 99.272％和95.249％,可以实现对电主轴磨损故障进行准确诊断.
文献关键词：
电主轴;故障诊断;支持向量法;混沌遗传算法
中图分类号：
作者姓名：
魏许杰;王红军;邢济收;徐小力
作者机构：
北京信息科技大学机电工程学院 北京 100192;高端装备智能感知与控制北京市国际科技合作基地 北京 100192
文献出处：
引用格式：
[1]魏许杰;王红军;邢济收;徐小力-.基于CGA-SVR的电主轴磨损故障诊断方法研究)[J].电子测量与仪器学报,2022(06):107-112
A类：
B类：
CGA,SVR,电主轴,主轴磨损,磨损故障,故障诊断方法,数控机床,重要功能,功能部件,工件质量,高可靠性,降低生产成本,混沌遗传算法,支持向量机回归模型,法利,故障振动,振动信号,频域特征,特征向量,支持向量法
AB值：
0.280195
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。
