基于小波包分解与DAG-SVM的柱塞泵故障诊断

• 作者: 戴民强 杨志勇 蔡伟 黄坤阳
• 来源期刊: 液压与气动
• 学科: 工学
• 关键词: 柱塞泵 故障检测诊断 小波包分解 DAG-SVM 参数优化
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 理论研究
• 页码范围: 12-17
• 页数: 6页
• 分类号: TH137
• 字数: 2796字
• 语种: 中文
• DOI: 10.11832/j.issn.1000-4858.2015.12.003

摘要

针对柱塞泵检测诊断中故障特征模糊、成因复杂、难以准确定位的问题,结合决策树与支持向量机提出一种基于小波包分解与DAG-SVM的柱塞泵故障诊断方法.该方法预先对所用C-SVM和RBF核函数的参数进行优化,而后采用db5小波包对泵体振动信号进行三层分解以提取特征向量,将特征向量输入支持向量机完成其训练及模式识别过程.同时设计了柱塞泵故障诊断的一体化装置,通过模拟不同故障,利用已知故障样本完成支持向量机的训练过程,进而对待测样本进行故障模式识别.诊断结果与样本已知状态相符,验证了该方法的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨志勇	第二炮兵工程大学兵器发射理论与技术国家重点学科实验室	18	83	6.0	7.0
2	蔡伟	第二炮兵工程大学兵器发射理论与技术国家重点学科实验室	42	431	10.0	19.0
3	戴民强	第二炮兵工程大学兵器发射理论与技术国家重点学科实验室	6	18	3.0	4.0
4	黄坤阳	第二炮兵工程大学兵器发射理论与技术国家重点学科实验室	2	7	1.0	2.0