典型文献
混合特征驱动的滚动轴承智能故障诊断方法
文献摘要：
针对采用传统特征指标进行故障诊断准确率较低的问题,提出了一种基于混合标度律特征和改进支持向量机的滚动轴承智能故障诊断方法.首先,利用超阶分析得到指示故障的标度律指标,并将其与常规特征指标相结合构造混合特征指标矩阵,提升特征指标对故障的区分度.其次,采用支持向量机(support vector machines,SVM)对构造的混合特征矩阵进行分类,利用粒子群优化算法对SVM中重要参数进行优化.最后,利用滚动轴承试验台对提出的滚动轴承智能故障诊断方法进行验证.结果表明,与常规特征相比,利用构造混合特征指标得到的训练准确率提高了 13％,测试准确率提高了 23％.所提方法不仅能识别不同故障类型,而且能对同一故障不同损伤程度进行识别,有望进一步实现滚动轴承故障定量诊断.
文献关键词：
智能故障诊断;超阶分析;混合特征指标;粒子群优化;支持向量机(SVM)
中图分类号：
作者姓名：
陆建涛;姚通;李舜酩;崔荣庆
作者机构：
南京航空航天大学 能源与动力学院,南京 210016
文献出处：
引用格式：
[1]陆建涛;姚通;李舜酩;崔荣庆-.混合特征驱动的滚动轴承智能故障诊断方法)[J].振动与冲击,2022(16):79-84,176
A类：
超阶分析,混合特征指标
B类：
滚动轴承,轴承智能故障诊断,故障诊断方法,传统特征,故障诊断准确率,标度律,改进支持向量机,常规特征,区分度,support,vector,machines,特征矩阵,粒子群优化算法,重要参数,试验台,故障类型,轴承故障,定量诊断
AB值：
0.208601
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。
