首页|WPT、PCA与SVM结合的滚动轴承故障程度诊断

WPT、PCA与SVM结合的滚动轴承故障程度诊断

扫码查看
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,PC A)与支持向量机(Sup-port 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.
Fault Degree Diagnosis of Rolling Bearing with Implementation of WPT、PCA and SVM

王帅星、黄茜、王晓笋、巫世晶

展开 >

武汉大学动力与机械学院,湖北武汉 430072

故障程度 小波包变换 主成分分析 支持向量机

2022

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子:0.511
ISSN:1001-3997
年,卷(期):2022.374(4)
  • 3
  • 6