科学

基于奇异值分解和支持向量机的滚动轴承故障模式识别

admin2022-12-14 03:10 131人已围观 下载完整内容

简介提出了基于奇异值分解和支持向量机进行滚动轴承故障诊断的新方法。对故障轴承的状态特征提取和故障特征准确分类是解决该问题的两个关键。奇异值分解可以将高维相关变量压缩

提出了基于奇异值分解和支持向量机进行滚动轴承故障诊断的新方法。对故障轴承的状态特征提取和故障特征准确分类是解决该问题的两个关键。奇异值分解可以将高维相关变量压缩为低维独立的主特征矢量，而支持向量机可以完成模式识别和非线性回归。利用上述原理根据轴承振动信号的变化特征，采用奇异值分解对其提取状态主特征矢量，然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别。试验结果表明，奇异值分解后的主特征矢量与支持向量机相结合可以很好的分辨出轴承的正常和故障状态，并且对未知故障有良好的识别能力。与常用的人工神经网络方法相比，该诊断方法具有更好的有效性、鲁棒性和精确性。

  • 微信公众号

下载完整内容

上一篇：平行梁冲量式谷物质量流量传感器弹性元件设计

下一篇：基于自身振动信号的液压泵状态监测及故障诊断

相关文章

文章评论


评论0

    站点信息

    • 微信公众号：扫描二维码，关注我们

    点击排行

    三种 PS 的套索工具使用小技巧

    本栏推荐

    信达证券：化工行业周报：三氯蔗糖、安赛蜜等价格上扬

    标签云

    猜你喜欢