基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
对于滚动轴承而言,工程实际中存在诊断样本与训练样本故障类型相同(如均为滚动体故障)但故障程度却不同的现象,同时滚动轴承发生故障时其振动信号表现出明显的非平稳性,因此文中提出一种基于S变换和改进奇异值分解的滚动轴承故障程度鲁棒的智能诊断方法。首先利用S变换得到滚动轴承振动信号时频分布矩阵,再利用改进奇异值分解方法对时频矩阵进行降维进而得到约简的特征向量,最后将提取到的故障特征向量作为支持向量机的输入,利用支持向量机识别轴承所属的故障类型。实验结果表明,该方法能有效地解决滚动轴承训练样本与测试样本故障程度不一致时的诊断问题,效果优于传统滚动轴承诊断方法。
推荐文章
基于MWT和CNN的滚动轴承智能复合故障诊断方法
滚动轴承
智能复合故障诊断
多小波变换
卷积神经网络
基于EEMD 和改进VPMCD 的滚动轴承故障诊断方法
改进VPMCD
EEMD方法
奇异值分解
滚动轴承
故障诊断
基于改进HHT能量熵和SVM的滚动轴承故障诊断
希尔伯特-黄变换
能量熵
支持向量机
滚动轴承
故障诊断
基于小波变换的滚动轴承故障诊断分析
小波分析
滚动轴承
故障诊断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于S变换和改进SVD的滚动轴承智能诊断方法
来源期刊 仪表技术与传感器 学科 工学
关键词 S变换 改进奇异值分解 支持向量机 故障诊断
年,卷(期) 2016,(1) 所属期刊栏目 ? 系统与应用?
研究方向 页码范围 63-66
页数 4页 分类号 TP212
字数 3486字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周继惠 华东交通大学机电工程学院 34 294 9.0 16.0
2 熊国良 华东交通大学机电工程学院 117 1009 17.0 27.0
3 张磊 华东交通大学机电工程学院 8 91 5.0 8.0
4 张龙 华东交通大学机电工程学院 63 306 9.0 16.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (40)
共引文献  (45)
参考文献  (8)
节点文献
引证文献  (3)
同被引文献  (22)
二级引证文献  (1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(1)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(5)
  • 参考文献(1)
  • 二级参考文献(4)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
S变换
改进奇异值分解
支持向量机
故障诊断
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
仪表技术与传感器
月刊
1002-1841
21-1154/TH
大16开
沈阳市大东区北海街242号
8-69
1964
chi
出版文献量(篇)
7929
总下载数(次)
16
总被引数(次)
49345
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导