基于小波包分解与K-L变换的齿轮泵振动信号故障特征提取方法

• 作者: 戴民强 杨志勇 蔡伟 黄坤阳
• 来源期刊: 机床与液压
• 学科: 工学
• 关键词: 故障诊断 小波包分解 K-L变换 特征提取
• 年，卷（期）: 2016,（21）
• 所属期刊栏目: 故障诊断与可靠性
• 页码范围: 159-163
• 页数: 5页
• 分类号: TH137
• 字数: 3626字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3881.2016.21.038

摘要

针对齿轮泵故障成因复杂、模糊性强的特点，结合小波包分解与K-L变换，提出一种适用于支持向量机故障诊断的特征提取方法。通过小波包对样本故障振动信号进行分解得到特征向量，而后利用K-L变换处理得到新的特征向量集，达到降维去噪的目的。将处理后的特征向量集用于支持向量机的模型训练，分析结果表明：该方法能够有效提高故障模式识别准确率和识别效率。

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