基于PSO-SVM的齿轮箱故障诊断研究

• 作者: 向飞飞 孙华刚 楼红伟 马振书
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 诊断 模式识别 支持向量机 粒子群算法
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 精密制造与加工
• 页码范围: 1364-1367
• 页数: 4页
• 分类号: TH133
• 字数: 2302字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.2014.0917

摘要

针对目前齿轮箱故障诊断存在的检测难度大、主观性强、准确性不高等问题,提出了一种基于粒子群算法和支持向量机的故障诊断方法.运用时域频域分析法对振动信号进行分析获取特征值,利用支持向量机(SVM)技术对齿轮箱特征参数进行模式识别和故障分类,并引入粒子群算法(PSO)用于优化支持向量机参数,建立了齿轮箱典型故障诊断模型.实验结果表明:该方法可以对齿轮箱不同故障类型进行准确的分类,有效的提高了齿轮箱故障诊断的可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马振书	军械技术研究所军械工程学院	14	58	5.0	6.0
2	孙华刚	军械技术研究所军械工程学院	30	141	7.0	10.0
3	向飞飞	军械技术研究所军械工程学院	2	8	1.0	2.0
4	楼红伟	军械技术研究所军械工程学院	1	8	1.0	1.0