基于谐波小波包和IAGA-SVM的滚动轴承故障诊断

论文摘要

传统方法在诊断滚动轴承故障时受人为因素影响,故障成因复杂,因此在已有理论上提出一种基于谐波小波包和自适应支持向量机相结合的捣固车故障诊断方法。谐波小波包对不同故障下的振动信号展开分解及重构后所提取的频带能量即为特征向量,再把特征值输入支持向量机（SVM）模型中训练并对核函数和惩罚系数进行优化。用自适应支持向量机构建从特征向量到故障类型间的对应,从而完成滚动轴承故障的诊断。该方法能高效准确地诊断出故障类型且有实用价值。通过与GA-SVM及AGA-SVM对比,证明此方法在故障诊断领域中的卓越性。

论文目录

• 0 引 言
• 1 相关概念
•   1.1 支持向量机和支持向量分类机
•   1.2 核函数的选择
•   1.3 自适应遗传算法
•   1.4 改进的自适应遗传算法
• 2 谐波小波包方法
•   2.1 谐波小波包原理
•   2.2 谐波小波包频域分布实现过程
•   2.3 利用谐波小波进行特征提取
• 3 故障诊断模型构建
• 4 仿真实验及结果分析
• 5 结 语

文章来源

类型: 期刊论文

作者: 吕维宗,王海瑞,舒捷

关键词: 滚动轴承,故障诊断,谐波小波包,改进的自适应遗传算法,支持向量机

来源: 计算机应用与软件 2019年10期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 机械工业,自动化技术

单位: 昆明理工大学信息工程与自动化学院

基金: 国家自然科学基金项目(61263023)

分类号: TP18;TH133.33

页码: 30-38

总页数: 9

文件大小: 1949K

下载量: 134