基于SVM和BP神经网络的滚动轴承故障诊断

• 作者: 傅攀 刘然
• 来源期刊: 机械工程与自动化
• 学科: 工学
• 关键词: 滚动轴承 BP神经网络 故障诊断 SVM
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 质量监测与故障诊断
• 页码范围: 132-134,138
• 页数: 4页
• 分类号: TH133.33|TH165+.3
• 字数: 3079字
• 语种: 中文

摘要

为更好地对滚动轴承进行状态监测和故障诊断，采集3种不同状态下的滚动轴承振动信号，根据振动信号特点提取其时域和频域的相关特征，然后分别利用SVM （支持向量机）和BP神经网络进行模式识别。不断减少每种状态下训练样本集的个数，利用2种不同的方法进行模式识别。当每种状态下的样本个数为3个时，支持向量机仍然能准确地将测试样本进行分类，而BP神经网络完全无法识别。实验结果表明，支持向量机比BP神经网络更适合于小样本的故障诊断。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅攀	西南交通大学机械工程学院	78	545	12.0	18.0
2	刘然	西南交通大学机械工程学院	3	25	3.0	3.0