基于自适应变异微粒群优化SVM的电机轴承故障诊断方法

• 作者: 王继银 范洪成 马立新 黄阳龙
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 微粒群算法 自适应变异 决策树 SVM 电机 轴承故障诊断
• 年，卷（期）: 2016,（2）
• 页码范围: 66-71
• 页数: 6页
• 分类号: TM731
• 字数: 3575字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0792.2016.02.012

摘要

电机轴承作为电机的重要机械部件,其故障对电机的安全运行有着严重的影响,针对轴承故障此类问题,提出了自适应变异微粒群优化SVM的电机轴承故障诊断的方法.该方法先用小波包的频带能量分解技术将电机振动信号分解到各个频带,由各个频带能量组成了电机运行状态的特征向量,并以此作为支持向量机的输入向量,最后运用自适应变异微粒群算法优化后的SVM,组成电机轴承状态“决策树”,并对电机状态进行分类,分类结果和用试凑法的SVM作对比.最终结果证明了该的方法对感应电机的轴承故障的检测和分类具有良好成效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马立新	上海理工大学光电信息与计算机工程学院	146	650	11.0	17.0
2	王继银	上海理工大学光电信息与计算机工程学院	6	24	3.0	4.0
3	范洪成	上海理工大学光电信息与计算机工程学院	7	56	4.0	7.0
4	黄阳龙	上海理工大学光电信息与计算机工程学院	8	62	5.0	7.0