基于小波包和SVM一类学习在电机异音检测中的应用

• 作者: 刘力源 温浩
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 异音检测 小波包分解 奇异值 支持向量机 一类学习
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 35-38,43
• 页数: 5页
• 分类号: TP181
• 字数: 3134字
• 语种: 中文

摘要

生产线上大批量小型电机普遍通过训练有素的工人进行音质检测.针对电机声音信号的统计特性及其人工检测特点,采用小波包变换对电机的声信号进行分解,并提取其频带系数的奇异值作为特征,映射到特征矢量所张成的状态空间.考虑到生产线上异音样本量少、获取困难、个体差异造成异音等问题难以分析,引入支持向量机一类学习算法进行异音检测.通过对电机声信号的实测数据进行分析,充分利用小波包优良的时频局部化特性和支持向量机在小样本情况下出色的学习性能及全局最优能力,验证这种方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温浩	五邑大学信息工程学院	15	41	4.0	5.0
2	刘力源	五邑大学信息工程学院	1	3	1.0	1.0