三峡大学学报（自然科学版）
三峽大學學報（自然科學版）
삼협대학학보（자연과학판）
JOURNAL OF CHINA THREE GORGES UNIVERSITY(NATURAL SCIENCES)
2012年
2期
63-65,75
,共4页
李力%张全林%李骥%余新亮
李力%張全林%李驥%餘新亮
리력%장전림%리기%여신량
支持向量机%交叉验证(K-CV)%故障诊断
支持嚮量機%交扠驗證(K-CV)%故障診斷
지지향량궤%교차험증(K-CV)%고장진단
针对齿轮故障诊断中的小样本事件,采用了支持向量机(SVM)方法.采集齿轮3种典型故障(断齿、磨损、剥落)和正常状态的振动信号,提取时域指标和能量特征作为SVM输入向量,并采用交叉验证(K-CV)法优化SVM参数,最终得到的故障诊断准确率为100％.结果表明SVM是一种有效的齿轮故障诊断方法.
針對齒輪故障診斷中的小樣本事件,採用瞭支持嚮量機(SVM)方法.採集齒輪3種典型故障(斷齒、磨損、剝落)和正常狀態的振動信號,提取時域指標和能量特徵作為SVM輸入嚮量,併採用交扠驗證(K-CV)法優化SVM參數,最終得到的故障診斷準確率為100％.結果錶明SVM是一種有效的齒輪故障診斷方法.
침대치륜고장진단중적소양본사건,채용료지지향량궤(SVM)방법.채집치륜3충전형고장(단치、마손、박락)화정상상태적진동신호,제취시역지표화능량특정작위SVM수입향량,병채용교차험증(K-CV)법우화SVM삼수,최종득도적고장진단준학솔위100％.결과표명SVM시일충유효적치륜고장진단방법.
