重庆理工大学学报2022，Vol.36Issue(8) ：117-125.DOI:10.3969/j.issn.1674-8425(z).2022.08.014

基于混合特征与PSO-SVM的旋转部件故障诊断方法

Rotating parts fault diagnosis method considering mixed feature and PSO-SVM

张拓 余何 何爱民 孙义忠 石万凯
重庆理工大学学报2022，Vol.36Issue(8) ：117-125.DOI:10.3969/j.issn.1674-8425(z).2022.08.014
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

基于混合特征与PSO-SVM的旋转部件故障诊断方法

Rotating parts fault diagnosis method considering mixed feature and PSO-SVM

张拓 1余何 1何爱民 2孙义忠 2石万凯1
扫码查看

作者信息

  • 1. 重庆大学机械传动国家重点实验室,重庆 400044
  • 2. 南京高速齿轮制造有限公司,南京 211100
  • 折叠

摘要

针对旋转部件故障诊断问题,为能更全面的提取部件的故障特征信息,提高模型的识别精度,提出一种基于混合特征与PSO-SVM的故障诊断方法.首先,提取电流和振动信号特征参数,结合信息增益算法筛选出对故障敏感的特征参数,结合主成分分析,对敏感特征进行降维处理,消除了无关特征和冗余特征对故障诊断模型的干扰.然后,以SVM分类器为基础,利用PSO算法对模型参数全局寻优,提高故障诊断的识别精度.最后,利用轴承加速疲劳试验数据集将PSO-SVM模型与常用故障诊断模型进行对比,验证该模型的有效性.

关键词

故障诊断/特征提取/信息增益/支持向量机/粒子群优化

引用本文复制引用

基金项目

出版年

2022
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量2
参考文献量11
段落导航相关论文