CAJ | 학술논문

对采集到的某车型底盘系统传动装置的滚动轴承在正常、内圈和滚子裂缝、剥落三种工况下的振动信号利用小波分析进行消噪处理后，再利用小波熵进行特征提取，对提取到的特征向量分别使用RBF神经网络和支持向量机进行故障类型的模式识别。从实验处理结果中可以看到在小样本的情况下支持向量机比RBF神经网络具有更高的诊断精度，这表明支持向量机在解决滚动轴承敞障诊断问题上有着很好的实用价值和应用前景。
대채집도적모차형저반계통전동장치적곤동축승재정상、내권화곤자렬봉、박락삼충공황하적진동신호이용소파분석진행소조처리후，재이용소파적진행특정제취，대제취도적특정향량분별사용RBF신경망락화지지향량궤진행고장류형적모식식별。종실험처리결과중가이간도재소양본적정황하지지향량궤비RBF신경망락구유경고적진단정도，저표명지지향량궤재해결곤동축승창장진단문제상유착흔호적실용개치화응용전경。