基于FFT与CS-SVM的滚动轴承故障诊断

论文摘要

针对滚动轴承故障信号强噪声背景和非线性等特点,为精确识别滚动轴承的故障特征频率并精准分类,提出了一种基于Hanning窗插值快速傅里叶变换并利用布谷鸟算法优化支持向量机的滚动轴承故障诊断新方法。采用Hanning窗对得到的频域信号进行加窗处理并求得样本特征的均方根特征值;经过布谷鸟算法优化后的支持向量机（CS-SVM）对样本数据进行故障诊断分类。通过凯斯西储大学的轴承故障振动信号数据进行的实验,验证了该混合智能诊断方法的有效性和优势,结果表明:所提出的方法可以对轴承故障准确进行分类。

论文目录

• 0 引言
• 1 快速傅里叶变换的特征样本
• 2 基于CS-SVM的诊断模型
•   2.1 支持向量机基本理论介绍
•   2.2 布谷鸟算法
•   2.3 CS-SVM诊断模型步骤
• 3 滚动轴承的故障诊断实验
•   3.1 样本集的构造及描述
•   3.2 布谷鸟算法优化支持向量机的训练及测试
• 4 结论

文章来源

类型: 期刊论文

作者: 解晓婷,李少波,杨观赐,刘国凯,姚雪梅

关键词: 滚动轴承,快速傅里叶变换,故障诊断

来源: 组合机床与自动化加工技术 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 贵州大学现代制造技术教育部重点实验室

基金: 国家自然科学基金(51475097),工信部智能制造示范项目(工信部联装[2016]213号)

分类号: TH133.33

DOI: 10.13462/j.cnki.mmtamt.2019.04.022

页码: 90-94

总页数: 5

文件大小: 1296K

下载量: 313