基于小波包分解和支持向量数据描述的故障诊断方法

• 作者: 李凌均 李自国 郝伟
• 来源期刊: 机械强度
• 关键词: 支持向量数据描述 故障诊断 小波包分解
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 振动·噪声·监测·诊断
• 页码范围: 365-369
• 页数: 5页
• 分类号: TH165.3|TP18
• 语种: 中文
• DOI: 10.3321/j.issn:1001-9669.2007.03.003

摘要

支持向量数据描述(support vector data description, SVDD)是一种单值分类方法,该方法能够在只有一类学习样本的情况下建立分类器, 其在机械故障诊断中的应用有望解决制约智能故障诊断技术发展的故障数据缺乏问题.文中提出一种基于小波包分解特征提取和SVDD的故障诊断方法,用小波包分解技术提取信号各频带的能量作为信号特征,用SVDD方法进行分类.对滚动轴承故障诊断的仿真实验结果显示,该方法可有效处理复杂机械振动信号,提高故障诊断的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝伟	郑州大学振动研究所	61	651	16.0	23.0
2	李凌均	郑州大学振动研究所	45	352	12.0	17.0
3	李自国	郑州大学振动研究所	1	21	1.0	1.0