基于熵带法与PSO优化的SVM转子故障诊断

• 作者: 胡宝权 赵荣珍 霍天龙
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 转子系统 信息熵 支持向量机 故障诊断
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 论文
• 页码范围: 279-284
• 分类号: TH113|TH165
• 字数: 5437字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-6801.2011.03.002

摘要

对转子故障信号的信息熵带作为支持向量机(support vector machine,简称SVM)的训练样本,基于粒子群算法(particle swarm optimization,简称PSO)优化SVM分类器结构参数进行了研究.对试验模拟获得的故障信号进行了时域、频域、时-频域的信息熵带计算,得到了奇异值谱熵、功率谱熵、小波空间谱熵及小波能谱熵4种熵带,并对熵带进行预处理,建立了一种基于故障信号的信息熵带作为特征量,用PSO解决SVM结构参数优化设置的转子故障识别方法.将该方法应用于转子系统在线故障诊断中,结果表明,所设计的算法具有训练速度快,测试时间短、分类准确率高等特点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵荣珍	兰州理工大学数字制造技术与应用省部共建教育部重点实验室	117	796	16.0	23.0
5	霍天龙	兰州理工大学数字制造技术与应用省部共建教育部重点实验室	1	49	1.0	1.0
9	胡宝权	兰州理工大学数字制造技术与应用省部共建教育部重点实验室	2	68	2.0	2.0