应用自适应Morlet小波和NGA优化SVM的轴承故障诊断

• 作者: 张忠华 温建明 程光明 蒋永华 阚君武
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 故障诊断 自适应Morlet小波 小生境遗传算法 支持向量机
• 年，卷（期）: 2013,（5）
• 页码范围: 751-755
• 页数: 5页
• 分类号: TH165.3|TN911.2
• 字数: 5239字
• 语种: 中文

摘要

针对滚动轴承故障诊断中出现的多故障分类问题,提出了一种利用自适应Morlet小波和小生境遗传算法(niche genetic algorithm,简称NGA)优化支持向量机(support vector machine,简称SVM)实现滚动轴承故障诊断的新方法.首先,采用自适应Morlet小波方法提取出最佳尺度附近的3个信号分量作为特征信号,分别计算它们的Shannon能量熵值作为特征量得到样本集,作为SVM的输入向量,并用样本集训练1-v-r SVM;然后,再构造一种新的核函数,并用NGA在SVM训练过程中对核函数参数进行优化,提高SVM学习机器的分类性能；最后,将本研究方法用于对含有较强噪声的实际滚动轴承的内圈、外圈、滚珠故障样本进行了分类识别.结果表明,该方法具有较好的抗噪和分类能力,验证了其有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张忠华	浙江师范大学精密机械研究所	27	187	8.0	13.0
2	程光明	浙江师范大学精密机械研究所	52	317	8.0	14.0
3	阚君武	浙江师范大学精密机械研究所	50	299	9.0	14.0
4	温建明	浙江师范大学精密机械研究所	25	139	7.0	9.0
5	蒋永华	浙江师范大学精密机械研究所	24	159	8.0	11.0