基于支持向量数据描述的滚动轴承故障诊断方法研究

代理获取

页面导航

摘要
著录项
相似文献
相关主题

摘要

机械故障诊断实质上是一个小样本的模式识别问题。在实际工程应用中，故障数据的缺乏一直是制约智能故障诊断技术发展的一个重要因素，使得传统的智能诊断技术诸如神经网络等往往因训练样本数据的不足而不能取得理想的诊断效果。
　　支持向量数据描述(SVDD)方法是一种在统计学理论和传统的支持向量机基础上发展起来的单值分类方法，它能有效的解决故障样本数据缺乏的问题。SVDD方法的基本思想是：通过在特征空间中寻求一个最小容积的超球体，使得所有的或者绝大部分的目标样本都被包含在该超球体内，而非目标样本尽可能都落在超球体外，从而达到将目标类样本和非目标类样本分开的目的。SVDD方法只需要一类样本数据即可进行分类，这种方法具有计算速度快、可有效处理小样本、鲁棒性强等优点。利用这种方法，仅依靠正常运行时的振动信号就可以监测机器的运行状态，判别机器是否存在故障。因此，SVDD方法在工程应用中具有极高的实用价值，有望解决智能故障诊断中因故障数据样本缺乏而不能精准判定故障的问题。
　　本文的主要研究内容包括：
　　 (1)核函数在SVDD方法中有着十分重要的作用，本文对核函数进行了研究。通过仿真实验分析表明，使用高斯核函数时，SVDD方法的检测精度最高。
　　 (2)对LMD方法和EMD方法进行了对比研究。通过分析，LMD方法在减少迭代次数和降低端点效应方面要优于EMD方法。
　　 (3)提出了一种基于SVDD与LMD奇异值的滚动轴承故障诊断方法，在实际应用中，该方法能有效的对滚动轴承进行故障判定。
　　 (4)提出了一种基于SVDD与LMD包络谱的滚动轴承故障诊断方法。利用这种方法能有效地对滚动轴承的运行状态进行监测，准确判定滚动轴承是否存在故障。

著录项

作者
刘震坤;
展开▼
作者单位

湖南大学;

展开▼
授予单位湖南大学;
学科机械工程
授予学位硕士
导师姓名程军圣;
年度 2012
页码
总页数
原文格式 PDF
正文语种中文
中图分类滚动轴承;
关键词
支持向量数据描述; 滚动轴承; 故障诊断; 局部均值分解;

相似文献

中文文献
外文文献
专利

1. 基于全矢谱和动态支持向量数据描述的滚动轴承故障诊断研究 [J] . 李凌均 ,巩晓赟 ,张恒 . 机械强度 . 2013,第2期
2. 基于矢谱和支持向量数据描述的旋转机械故障诊断方法研究 [J] . 杨俊 ,韩捷 ,董辛旻 . 机床与液压 . 2009,第009期
3. 基于SSAE-SVM的滚动轴承故障诊断方法研究 [J] . 徐先峰 ,黄坤 ,邹浩泉 . 自动化仪表 . 2022,第1期
4. 一种基于改进的LeNet-5模型滚动轴承故障诊断方法研究 [J] . 吴晨芳 ,杨世锡 ,黄海舟 . 振动与冲击 . 2021,第012期
5. 基于PCA-CNN的滚动轴承故障诊断方法研究 [J] . 游达章 ,陈林波 ,张业鹏 . 机床与液压 . 2021,第019期
6. 基于EMD及包络谱分析的滚动轴承故障诊断方法研究 [C] . 郭泰 ,邓忠民 . 北京力学会第二十二届学术年会 . 2016
7. 基于支持向量数据描述的故障诊断方法研究 [A] . 李自国 . 2007

基于支持向量数据描述的滚动轴承故障诊断方法研究

摘要

著录项

相似文献

相关主题

期刊订阅