基于QPSO-SVM的轴承故障诊断方法

• 作者: 杨光春 蹇清平
• 来源期刊: 机械传动
• 关键词: 量子粒子群 支持向量机 参数优化 故障诊断 EMD分解
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 试验分析
• 页码范围: 134-138
• 页数: 5页
• 语种: 中文

摘要

轴承作为旋转机械中应用广泛的一类支撑部件,其故障将严重影响设备的安全运行,为了实现对轴承故障的有效诊断,提出一种量子粒子群优化(Quantum particle swarm optimization,PSO)支持向量机(Support vector machine,SVM)的故障诊断模型,首先采用经验模式分解(Empirical mode decomposition,EMD)方法将故障信号分解为多个固有模态分量(Intrinsic mode function,IMF)之和,其次,提取表征轴承故障特征的IMF分量能量构造特征向量,最后采用QPSO优化的SVM模型对故障模式进行识别.实验结果表明,所提出的轴承故障诊断方法具有自适应提取轴承故障特征和高精度的自适应诊断能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨光春		15	13	2.0	3.0
2	蹇清平		1	0	0.0	0.0