基于小波包和支持向量机的机车轴承故障诊断研究

基于小波包和支持向量机的机车轴承故障诊断研究

ID:36809157

大小:2.30 MB

页数:58页

时间:2019-05-15

基于小波包和支持向量机的机车轴承故障诊断研究_第1页
基于小波包和支持向量机的机车轴承故障诊断研究_第2页
基于小波包和支持向量机的机车轴承故障诊断研究_第3页
基于小波包和支持向量机的机车轴承故障诊断研究_第4页
基于小波包和支持向量机的机车轴承故障诊断研究_第5页
资源描述:

《基于小波包和支持向量机的机车轴承故障诊断研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于粒子群最小二乘支持向量机的故障诊断算法研究AbstractRailwaylocomotivebearingisakeycomponentoftransportationequipment,Asalongtime,withthehigh-loadoperation,thelocomotivebearingispronetoinjury.LotsofRailwaylocomotivebearingfaultsbelongstotheexistenceoroccurrenceoffailures,thence,thequalityofbearingrunni

2、nglocomotivesuperiorperformanceoftheentireplay.In.viewofthelocomotivebearingthespecialstatus,therefore,cartingoutOntherailwaylocomotivebearingfaultdiagnosishavegoodpracticalsignificance.硒ethesiswasmainlybasedOilwaveletpacketanalysisandsignalpcocessingsupportvectormachinebasedintel

3、ligentfaultdiagnosisresearchintwoareas.Themaincontentsareasfollows:Discussionandanalysisofthelocomotivebearingthevibrationcharacteristicsofvibrationsignalsandthemechanismof.failure,simulatedbearingfaultsignalsofdifferentcomponentsonthebasisofmasteringthefaultsignalcharacteristics,

4、whichcanprovidethemethodandbasisvectorsoflocomotivebearingfaultdiagnosis.Traditionalsignalprocessingmethodisonlysuitableforstationary,non-time-varyingsignalprocessing,anddoesnothavethecapabil/tyoflocalsignalanalysis,usingtheadvantagesofwaveletpacketanalysisinmutationdetectionandsi

5、gnaldenoisingtOdecomposewaveletpacketforfaultsignal,SOthatthecharacteristicsoffaultsignalsofdifferentfrequencyinformationcanbediscovered.Inordertoanalyzetheamountofbearingonwhetherthepo硫ofviewthavefaultornotwhiletakingthecomplexityofcomputationintobandsoffaultcharacteristicsaccoun

6、t,selectingobviously,whichcombined稍ththeideaoffrequencybandenergyanalysistoachievethefeaturevectorextractionofsimulatedfaultsignal’Sspecificband011bearing’outerring,innerringandtherolling.Usingleastsquare,ssupportvectormachinesforfaultdiagnosistrainingsamplesdonotneedalotoftrouble

7、,whichalsohasaclassificationabm【yinthecaseofhighdimension,goodhowever,thesupportvectormachineparameters(penaltyfactorandtheradialbasisfunction)modelassociationhaveagreaterimpactOilthediagnosticclassificationrate,witllthedeepstudyofparticleswal'malgorithmandalargenumberofsimulation

8、experiments,inordertoimprovethecl

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。