基于双树复小波包和改进SVM的轴承故障诊断

摘要：

为了提高滚动轴承内圈、滚动体、外圈等故障诊断效率,提出了将双树复小波包和支持向量机(Support Vector Machine,SVM)结合的故障诊断方法.采用双树复小波包对轴承振动信号分解和重构,提取重构信号中的故障能量特征并构造特征样本作为支持向量机诊断模型的输入.针对支持向量机的参数选取没有固定方法而导致故障诊断的准确性降低的问题,采用人工鱼群算法对支持向量机的惩罚系数和核参数进行寻优.用寻优得到的参数建立支持向量机诊断模型对特征样本进行故障诊断.仿真结果表明提出的方法不仅可以提高降噪效果从而得到滚动轴承故障振动的特征信号,而且能实现更高精度的故障诊断.

关键词：滚动轴承、支持向量机、故障诊断、双树复小波包、人工鱼群算法

所属期刊栏目：56

分类号：TH133.3;TH165

资助基金：国家自然科学基金;江西省经济犯罪侦查与防控技术协同创新中心开放课题

在线出版日期：2020-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：231-235