基于小波包与支持向量机的碰摩故障识别方法研究

• 作者: 卢艳军 孟凡龙 李一波
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 小波包 奇异值序列 支持向量机 模式识别 故障识别
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 理论与实践
• 页码范围: 71-74
• 页数: 4页
• 分类号: TP18
• 字数: 2795字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-8829.2009.05.019

摘要

为了很好地识别旋转机械的转静件碰摩故障,提出了基于小波包和支持向量机(SVM,support vector machine)的碰摩故障识别方法.采用小波包对信号进行特征向量的提取,利用基于"一对多"和"一对一"的改进算法构建多类故障分类器,对多种碰摩故障进行识别.同时,以双盘悬臂转子-轴承系统的碰摩故障为例,应用该方法进行故障识别,试验结果表明,RBF核SVM故障平均识别率达到97.25%.可见,基于小波包与支持向量机分类器诊断方法的识别率明显优于传统的BP神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李一波	沈阳航空工业学院自动化学院	101	885	13.0	25.0
2	卢艳军	沈阳航空工业学院自动化学院	49	361	9.0	17.0
3	孟凡龙	沈阳航空工业学院自动化学院	2	17	2.0	2.0