基于多特征提取和LSSVM的轴承故障诊断
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
1.24 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
针对故障滚动轴承的振动信号具有非线性、非平稳的特点,提出一种基于时域指标、小波包能量和最小二乘支持向量机(LSSVM)的轴承故障诊断方法。分别对滚动轴承的原始信号进行时域分析计算和小波包分解,并提取状态差异较明显的时域指标和小波包分解后能量差异较大的小波包能量作为故障特征向量;将含有多个特征向量的数据样本分为训练样本和测试样本并进行归一化处理;训练样本作为LSSVM的输入来对该模型进行训练,通过训练好的LSSVM模型对测试样本进行分类和诊断。实验结果表明:采用该方法,轴承状态总体识别率为97.5%。相关论文
- 2024-08-14两种构型码垛机器人运动学与静力学对比分析
- 2021-01-29基于向量范数的6-R机械臂逆解优选
- 2020-08-19钻井平台作业机器人手部平动机构设计研究
- 2020-07-31五自由度机械手运动学分析及逆解问题研究
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。