首页|基于混合域特征集与PSO-SVM的滚动轴承故障诊断方法

基于混合域特征集与PSO-SVM的滚动轴承故障诊断方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对单一或单域特征难以全面反映设备零部件运行状态的问题,提出了一种基于混合域特征集与粒子群优化支持向量机(Particle Swarm Optimization Support Vector Machine,PSO-SVM)的滚动轴承早期故障诊断方法.首先,分别采用基于时域、频域以及时频域的信号处理方法进行特征提取;然后将提取到的特征指标进行有机结合,构建混合域特征集;最后将混合域特征集输入粒子群优化支持向量机中实现滚动轴承早期故障的诊断.通过对凯斯西储大学轴承故障诊断实验数据进行验证,结果表明该方法在轴承故障诊断中具有精确性与稳定性.
Rolling Bearing Fault Diagnosis Method Based on Mixed Domain Feature Set and PSO-SVM

方清、刘庆运、刘涛

展开 >

安徽工业大学 机械工程学院 ,安徽 马鞍山 243000

混合域特征集 粒子群优化支持向量机 滚动轴承

国家重点研发计划项目安徽教育厅高校自然科学研究项目

2017YFC0805100:KJ2018A0069

2020

机械工程与自动化
山西省机电设计研究院 山西省机械工程学会

机械工程与自动化

影响因子：0.251
ISSN：1672-6413
年,卷(期)：2020.(2)
  • 4