文献类型：期刊文章

作　　者：秦波[1] 刘永亮[1] 王建国[1] 李文卿[2]

机构地区：[1]内蒙古科技大学机械工程学院,内蒙古包头014010 [2]浙江大学信息学部控制科学学系,浙江杭州310000

出　　处：《机械设计与制造》

基　　金：国家自然科学基金(21366017);内蒙古科技厅高新技术领域科技计划重大项目(20130302);内蒙古科技大学创新基金的部分资助(2015QDL12)

年　　份：2016

期　　号：6

起止页码：38-42

语　　种：中文

收录情况：BDHX、BDHX2014、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对滚动轴承故障诊断中特征向量难以提取与支持向量机结构参数选取依据经验的问题,提出了基于小波包与奇异值分解的GA-SVM滚动轴承故障诊断方法。首先,采用小波包对采集的滚动轴承各状态下的信号进行分解,获取表征信号局部特征的各节点系数,在此基础上构建各节点系数矩阵并进行奇异值分解,来获取特征向量进而将其作为故障诊断模型的输入;其次,利用遗传算法(GA)优化支持向量机(SVM)的惩罚系数和高斯核系数两个结构参数;最后,将上述特征向量作为输入,建立GA优化SVM的故障诊断模型,实现滚动轴承的状态辨识。实验结果表明,与BP、SVM、PSOSVM相比,基于小波包与奇异值分解的GA优化SVM滚动轴承故障诊断方法具有更高的分类精度,能够提高滚动轴承状态辨识的效果。

关 键 词：小波包 奇异值 遗传算法  支持向量机  滚动轴承

分 类 号：TH16]