轴承
軸承
축승
BEARING
2012年
9期
43-46
,共4页
胥永刚%冯明时%谢志聪%张建宇
胥永剛%馮明時%謝誌聰%張建宇
서영강%풍명시%사지총%장건우
滚动轴承%声发射%谐波小波%支持向量数据描述%单分类
滾動軸承%聲髮射%諧波小波%支持嚮量數據描述%單分類
곤동축승%성발사%해파소파%지지향량수거묘술%단분류
提出基于支持向量数据描述(SVDD)的滚动轴承声发射特征的单分类智能诊断方法,适用于故障监测和诊断中缺少故障样本的情况.首先利用谐波小波优良的频域盒形特性,将滚动轴承声发射信号分解到相互独立互不重叠的若干频带内,然后求取主要频带内信号的能量并归一化处理,进而将归一化能量特征作为特征向量输入SVDD分类器中进行故障识别和分类.试验表明,该方法只需要正常轴承声发射特征作为学习样本,不需要其他非目标样本即可实现故障轴承的识别,与支持向量机分类方法比较具有更高的准确率.
提齣基于支持嚮量數據描述(SVDD)的滾動軸承聲髮射特徵的單分類智能診斷方法,適用于故障鑑測和診斷中缺少故障樣本的情況.首先利用諧波小波優良的頻域盒形特性,將滾動軸承聲髮射信號分解到相互獨立互不重疊的若榦頻帶內,然後求取主要頻帶內信號的能量併歸一化處理,進而將歸一化能量特徵作為特徵嚮量輸入SVDD分類器中進行故障識彆和分類.試驗錶明,該方法隻需要正常軸承聲髮射特徵作為學習樣本,不需要其他非目標樣本即可實現故障軸承的識彆,與支持嚮量機分類方法比較具有更高的準確率.
제출기우지지향량수거묘술(SVDD)적곤동축승성발사특정적단분류지능진단방법,괄용우고장감측화진단중결소고장양본적정황.수선이용해파소파우량적빈역합형특성,장곤동축승성발사신호분해도상호독립호불중첩적약간빈대내,연후구취주요빈대내신호적능량병귀일화처리,진이장귀일화능량특정작위특정향량수입SVDD분류기중진행고장식별화분류.시험표명,해방법지수요정상축승성발사특정작위학습양본,불수요기타비목표양본즉가실현고장축승적식별,여지지향량궤분류방법비교구유경고적준학솔.