文献类型：期刊文章

作　　者：霍天龙[1,2] 赵荣珍[1,2] 胡宝权[1,2]

机构地区：[1]兰州理工大学数字制造技术与应用省部共建教育部重点实验室,兰州730050 [2]兰州理工大学机电工程学院,兰州730050

出　　处：《振动．测试与诊断》

基　　金：国家自然科学基金资助项目(编号:50875118);甘肃省教育厅硕导基金资助项目(编号:0903-11)

年　　份：2011

卷　　号：31

期　　号：3

起止页码：279-284

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：对转子故障信号的信息熵带作为支持向量机(support vector machine,简称SVM)的训练样本,基于粒子群算法(particle swarm optimization,简称PSO)优化SVM分类器结构参数进行了研究。对试验模拟获得的故障信号进行了时域、频域、时-频域的信息熵带计算,得到了奇异值谱熵、功率谱熵、小波空间谱熵及小波能谱熵4种熵带,并对熵带进行预处理,建立了一种基于故障信号的信息熵带作为特征量,用PSO解决SVM结构参数优化设置的转子故障识别方法。将该方法应用于转子系统在线故障诊断中,结果表明,所设计的算法具有训练速度快、测试时间短、分类准确率高等特点。

关 键 词：转子系统 信息熵 支持向量机 故障诊断

分 类 号：TH113] TH165