基于SVDD的多设备故障源识别定位方法研究

• 作者: 何琳 周军伟 崔立林 朱海潮 章林柯
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 故障源识别定位 支持向量数据描述 线谱增强 小样本
• 年，卷（期）: 2010,（5）
• 页码范围: 137-140,148
• 分类号: TH165+.3
• 字数: 2600字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2010.05.032

摘要

对由多个设备组成的系统,检测的快速性和面临的小样本限制是进行声学故障源识别通常要考虑的两个重要问题.本文以线谱增强类声学故障为研究对象,提出了一种基于支持向量数据描述(SVDD)的故障源识别定位方法.该方法依据正常样本建立数据描述模板,对线谱增强类声学故障的出现进行识别,然后通过与各个设备上测得的传感器信号联合分析,实现故障设备的准确定位.实验结果表明该方法具有较好的工程应用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何琳	海军工程大学振动与噪声研究所	212	1597	19.0	30.0
2	章林柯	海军工程大学振动与噪声研究所	32	169	6.0	11.0
3	崔立林	海军工程大学振动与噪声研究所	19	96	4.0	9.0
4	朱海潮	海军工程大学振动与噪声研究所	66	423	10.0	18.0
5	周军伟	海军工程大学振动与噪声研究所	2	5	1.0	2.0