基于小波去噪和最小二乘支持向量机的滚动轴承故障诊断研究.pdf

基于小波去噪和最小二乘支持向量机的滚动轴承故障诊断研究.pdf

ID:56062378

大小:357.15 KB

页数:5页

时间:2020-06-20

基于小波去噪和最小二乘支持向量机的滚动轴承故障诊断研究.pdf_第1页
基于小波去噪和最小二乘支持向量机的滚动轴承故障诊断研究.pdf_第2页
基于小波去噪和最小二乘支持向量机的滚动轴承故障诊断研究.pdf_第3页
基于小波去噪和最小二乘支持向量机的滚动轴承故障诊断研究.pdf_第4页
基于小波去噪和最小二乘支持向量机的滚动轴承故障诊断研究.pdf_第5页
资源描述:

《基于小波去噪和最小二乘支持向量机的滚动轴承故障诊断研究.pdf》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、2014年5月机床与液压Mav2014第42卷第9期MACHINETOOL&HYDRAULICSVo1.42No.9DOI:10.3969/j.issn.1001—3881.2014.09.043基于小波去噪和最小二乘支持向量机的滚动轴承故障诊断研究韩星,熊静琪,王李立,秦枭品(电子科技大学机械电子工程学院,四川成都611731)摘要:针对滚动轴承故障,提出了基于相关原则优化阈值的小波去噪和最小二乘支持向量机相结合进行滚动轴承故障诊断的方法,采用相关原则优化阀值的小波对轴承早期故障特征进行提取,运用能量一特征法提取出信号特征,然后利用最小二

2、乘支持向量机多分类算法进行故障类型的识别。实验与仿真结果表明:基于相关原则优化阈值的小波变换和最JJx~-乘支持向量机相结合的故障诊断方法能有效地诊断出滚动轴承的典型故障。关键词:滚动轴承;相关原则优化阈值;小波变换;最小二乘支持向量机;故障诊断中图分类号:TH133文献标识码:A文章编号:100l一3881(2014)9—154—5ResearchonRollerBearingFaultDiagnosisBasedOnWaveletNoiseEliminationandLS.SVMAlgorithmHANXing,XIONGJingqi,

3、WANGLili,QINXiaopin(SchoolofMechatronicsEngineering,UniversityofElectronicScienceandTechnology,ChengduSichuan611731,China)Abstract:Aimedatthefaultofrollerbearing,themethodoffaultdiagnosisofrollerbearingsbasedoncorrelativeprinciplesofoptimumthresholdpluswaveletnoiseeliminat

4、ionandLeastSquaresSupportVectorMachine(LS—SVM)incombinationwaspresented.Corelativeprinciplesofoptimumthresholdpluswavelettransformationwasappliedtoextractthefeatureoffaultofrollerbearingsatearlystage,energyfeaturemethodwasusedforsignalextraction.Andthen,therecognitionoffau

5、lttypeswerecarriedoutbyusingLS—SVMclassifiedalgorithm.TestingandsimulationresultsshowthatthefaultdiagnosismethodbasedoncorelativeprinciplesofoptimumthresholdpluswavelettransformationandLS—SVMincombinationcandiagnosetypieMfaultsoftherollerbearingeffectively.Keywords:Rollerb

6、earing;Correlativeprinciplesofoptimumthreshold;Wavelettransformation;LS—SVM;Faultdiagnosis滚动轴承广泛应用于各种旋转机械中,其运行状小二乘支持向量机(LeastSquaresSuppo~VectorMa—态往往直接影响整机的性能。据统计,旋转机械的故chine,简称LS—SVM)则改进了传统的SVM,采用二障有30%是由轴承故障引起的,因此,滚动轴承的次损失函数,将SVM中的二次规划问题转化为线性故障诊断显得尤为重要,而故障诊断中最重要、最关方程组的求

7、解,在保证精度的同时大大降低了计算复键的问题之一是故障特征参数的提取,它直接关系到杂性。同时,采用基于最小二乘支持向量机的故滚动轴承故障诊断的准确性⋯。障分类算法,有效解决了滚动轴承样本数量过少以及Donoho提出的小波阈值去噪法,即软阈值效率低下的问题,且把支持向量机学习问题转化为线去噪法、硬阈值去噪法,这两种降噪方法在早期得到性方程组问题,在保证精度的同时大大降低了计算复了广泛的应用。但Brace和Gao于1995年证明了硬杂性。阈值方法往往存在主要是由不连续造成的较大的方文中针对滚动轴承故障诊断,首先介绍一种改进差,而软阈值方法往往存

8、在主要由于对于大于阈值的的阈值去噪方法即基于相关原则优化阈值的小波去噪系数做了收缩造成的较大的偏差。基于这些原因,目方法,证实了其相对于传统去噪方法的优点,然后将前人们已经提出了

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。