支持向量机在齿轮故障诊断中的应用

• 作者: 余新亮 张全林 李力 李骥
• 来源期刊: 三峡大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 交叉验证(K-CV) 故障诊断
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 机电工程
• 页码范围: 63-65,75
• 分类号: TH165|TP31
• 字数: 2046字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-948X.2012.02.015

摘要

针对齿轮故障诊断中的小样本事件,采用了支持向量机(SVM)方法.采集齿轮3种典型故障(断齿、磨损、剥落)和正常状态的振动信号,提取时域指标和能量特征作为SVM输入向量,并采用交叉验证(K-CV)法优化SVM参数,最终得到的故障诊断准确率为100％.结果表明SVM是一种有效的齿轮故障诊断方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李力	三峡大学机械与材料学院	100	483	11.0	17.0
2	李骥	三峡大学机械与材料学院	5	10	2.0	3.0
3	余新亮	三峡大学机械与材料学院	3	10	2.0	3.0
4	张全林	三峡大学机械与材料学院	1	2	1.0	1.0