基于图论和直推式支持矢量机的齿轮早期故障诊断

基于图论和直推式支持矢量机的齿轮早期故障诊断

ID:37593690

大小:873.40 KB

页数:7页

时间:2019-05-25

基于图论和直推式支持矢量机的齿轮早期故障诊断_第1页
基于图论和直推式支持矢量机的齿轮早期故障诊断_第2页
基于图论和直推式支持矢量机的齿轮早期故障诊断_第3页
基于图论和直推式支持矢量机的齿轮早期故障诊断_第4页
基于图论和直推式支持矢量机的齿轮早期故障诊断_第5页
资源描述:

《基于图论和直推式支持矢量机的齿轮早期故障诊断》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第46卷第23期机械工程学报Vol.46No.232010年12月JOURNALOFMECHANICALENGINEERINGDec.2010DOI:10.3901/JME.2010.23.082基于图论和直推式支持矢量机的齿轮早期*故障诊断1,21李巍华刘雯(1.华南理工大学机械与汽车工程学院广州510640;2.广东省汽车工程重点实验室广州510640)摘要:针对机械故障诊断中缺乏大量故障样本进行训练的问题,提出基于图论和直推式支持矢量机(Graphtheoryandtransductivesupportvectormachine,GTSVM)的

2、故障诊断方法。通过建立数据矩阵的完全图,定义一种基于密度敏感的距离描述图中各个节点即样本之间的相异性,有效地利用数据空间结构信息,并以Iris数据进行仿真分析。对齿轮箱在三种运行模式(正常、齿面轻微剥落、齿面严重剥落)下的振动信号进行分析,提取11个时域特征指标,用主元分析对11个特征进行选择,采用图论方法对选择后的特征数据进行处理,然后用梯度下降法训练直推式支持矢量机,实现故障检测和分类。将GTSVM法与支持矢量机法、直推式支持矢量机法进行对比,结果表明,GTSVM法的分类正确率最高。此外,经过主元方法进行特征选择后,故障检测性能也得到较大提高,表

3、明该方法能应用于齿轮早期故障诊断。关键词:图论直推式支持矢量机特征选择故障诊断齿轮中图分类号:TP206.3TH13GearIncipientFaultDiagnosisUsingGraphTheoryandTransductiveSupportVectorMachine1,21LIWeihuaLIUWen(1.SchoolofMechanical&AutomotiveEngineering,SouthChinaUniversityofTechnology,Guangzhou510640;2.GuangdongKeyLaboratoryofVehic

4、leEngineering,Guangzhou510640)Abstract:Inviewofthesevereshortageofsamplesfortraininginmechanicalfaultdiagnosis,anovelmethodbasedongraphtheoryandtransductivesupportvectormachine(GTSVM)ispresentedforgearincipientfaultdiagnosis.Bybuildingacompletegraphoforiginaldatamatrix,adensity

5、-sensitivedistanceisdefinedtoevaluatethedissimilaritybetweensamples,whichreflectsthedatastructurewell,andthewell-knownIrisdataisusedtoverifytheeffectiveness.Thevibrationsignalsofgearboxunderthreerunningconditions(normal,slightspallingandseverespalling)areanalyzed,and11timedomai

6、nfeaturesareextractedfromoriginaldata.Principalcomponentanalysisisadoptedtoselectdiscriminativefeatures,andgraphtheoryisusedtoprocesstheselectedfeaturesets.Then,transductivesupportvectormachineistrainedbygradientdescentlearningandappliedinfaultdetectionandfaultsclassification.T

7、heresultsusingGTSVMmethodarecomparedwiththoseusingsupportvectormachineandtransductivesupportvectormachine,whichindicatesthehighclassificationaccuracyoftheproposedapproach.Besides,theperformanceinfailuredetectionisalsoimprovedthroughprincipalcomponentanalysisfeatureselection.Exp

8、erimentsshowthattheproposedmethodiseffectiveingearinci

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。