首页|LMD和SVM相结合的电机轴承故障诊断研究

LMD和SVM相结合的电机轴承故障诊断研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
为了提高电机轴承故障诊断的准确率,提出了基于粒子群优化的支持向量机(SVM)故障诊断的方法.文章采用局部均值分解(LMD)提取电机轴承振动信号特征作为支持向量机的特征向量;采用粒子群优化算法(PSO)优化支持向量机的核函数参数和惩罚参数,以此建立分类器用于识别电机轴承故障类型.通过仿真实验验证该方法能够有效的识别电机轴承故障状态.

丁瑞成、黄友锐、陈珍萍、侯潇潇、周芳芳

展开 >

安徽理工大学电气与信息工程学院,安徽淮南232001

安徽大学电气工程与自动化学院,合肥230601

轴承 故障诊断 支持向量机 局部均值分解 粒子群优化算法

2016

矿业科学技术
安徽理工大学

矿业科学技术

ISSN：
年,卷(期)：2016.44(1)
  • 6