振动与冲击
振動與遲擊
진동여충격
JOURNAL OF VIBRATION AND SHOCK
2010年
9期
170-174
,共5页
瞬时幅值欧式范数%最小二乘支持向量机%舍一交叉验证%参数优化%故障诊断
瞬時幅值歐式範數%最小二乘支持嚮量機%捨一交扠驗證%參數優化%故障診斷
순시폭치구식범수%최소이승지지향량궤%사일교차험증%삼수우화%고장진단
提出一种基于舍一交叉验证优化最小二乘支持向量机(LS-SVM)的旋转机械故障诊断模型.首先将故障信号END分解为平稳IMF分量,再选择表征故障调制特征的IMF分量并构造瞬时幅值欧式范数作为故障特征矢量输入到舍一交叉验证(leave-one-outcross-validation,LOO-CV)优化线性核LS-SVM中进行故障识别.EMD分解可自适应分离故障调制信号;瞬时幅值欧式范数矢量的不同表征各类故障的差异;舍一交叉验证优化惩罚因子可以使线性核LS-SVM克服对故障类型与模式编号映射关系先验知识的依赖,提高LS-SVM的故障预测精度和自适应诊断能力.一个深沟球轴承故障诊断实例说明该模型的有效性.
提齣一種基于捨一交扠驗證優化最小二乘支持嚮量機(LS-SVM)的鏇轉機械故障診斷模型.首先將故障信號END分解為平穩IMF分量,再選擇錶徵故障調製特徵的IMF分量併構造瞬時幅值歐式範數作為故障特徵矢量輸入到捨一交扠驗證(leave-one-outcross-validation,LOO-CV)優化線性覈LS-SVM中進行故障識彆.EMD分解可自適應分離故障調製信號;瞬時幅值歐式範數矢量的不同錶徵各類故障的差異;捨一交扠驗證優化懲罰因子可以使線性覈LS-SVM剋服對故障類型與模式編號映射關繫先驗知識的依賴,提高LS-SVM的故障預測精度和自適應診斷能力.一箇深溝毬軸承故障診斷實例說明該模型的有效性.
제출일충기우사일교차험증우화최소이승지지향량궤(LS-SVM)적선전궤계고장진단모형.수선장고장신호END분해위평은IMF분량,재선택표정고장조제특정적IMF분량병구조순시폭치구식범수작위고장특정시량수입도사일교차험증(leave-one-outcross-validation,LOO-CV)우화선성핵LS-SVM중진행고장식별.EMD분해가자괄응분리고장조제신호;순시폭치구식범수시량적불동표정각류고장적차이;사일교차험증우화징벌인자가이사선성핵LS-SVM극복대고장류형여모식편호영사관계선험지식적의뢰,제고LS-SVM적고장예측정도화자괄응진단능력.일개심구구축승고장진단실례설명해모형적유효성.
