基于小波包和AGA-LSSVM模型的滚动轴承故障诊断

• 作者: 张彬 张震 毛云龙 董宏辉 高军伟
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 小波包 自适应遗传算法 最小二乘支持向量机 故障诊断
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 49-52
• 页数: 4页
• 分类号: TP306
• 字数: 3289字
• 语种: 中文

摘要

为了解决滚动轴承故障特征提取和故障类型识别问题,提高诊断准确率,提出了一种基于小波包与自适应遗传算法优化最小二乘支持向量机(AGA-LSSVM)相结合的故障诊断模型.首先由小波包分解与重构获取振动信号中能反映不同故障状态的能量特征向量,其次,由经过自适应遗传算法优化的LSSVM模型对滚动轴承常见故障进行诊断.Matlab运行结果表明,相较于传统LSSVM方法,所采用的方法可靠度较高,可以较好地实现对轴承故障的诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高军伟	青岛大学自动化与电气工程学院	69	408	10.0	16.0
5	张彬	青岛大学自动化与电气工程学院	32	136	6.0	9.0
6	董宏辉	北京交通大学轨道交通控制与安全国家重点实验室	30	210	8.0	13.0
7	张震	青岛大学自动化与电气工程学院	4	9	2.0	3.0
8	毛云龙	青岛大学自动化与电气工程学院	8	34	4.0	5.0