WPT、PCA与SVM结合的滚动轴承故障程度诊断
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
1.71 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
针对滚动轴承故障诊断存在的故障程度难以区分、早期故障不易发现、故障诊断精度低等问题,这里提出了一种基于小波包变换(Wavelet Packet Transform,WPT)、主成分分析(Principal Component Analysis,PCA)与支持向量机(Support Vector Machine,SVM)相结合的滚动轴承故障程度诊断方法。该方法首先对原始信号进行小波包分解,然后对分解后的信号进行重构,计算重构信号能量作为特征值;随后,运用主成分分析对特征向量进行降维,将降维后的特征输入支持向量机,完成故障模型的训练与测试。这里主要分析了累计贡献率、小波包分解层数、母小波类型对故障诊断成功率的影响。实验结果表明此方法可以有效地识别不同故障位置的故障程度。相关论文
- 2020-06-102000年弹簧式安全阀产品展望
- 2020-07-0325G型统型客车充电机IGBT故障分析
- 2020-06-09真空渗碳新工艺在阀门电动装置上的应用
- 2020-06-24航空发动机杯形锁圈断裂故障分析
- 2020-06-08阀门断裂事故的技术分析
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。