基于决策树与多元支持向量机的齿轮箱早期故障诊断方法

• 作者: 张亮 杨建伟 汪耀林 陈志刚
• 来源期刊: 计算机测量与控制
• 关键词: 齿轮箱 决策树 支持向量机 故障识别 神经网络
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 12-15
• 页数: 4页
• 分类号: TP274.2
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2016.01.004

摘要

齿轮箱部件的故障形式多样,典型故障训练样本数量有限;为了提高齿轮箱故障诊断的精度和效率,提出了基于决策树与多元支持向量机的齿轮箱早期故障诊断方法;利用决策树分类速度快、效率高的优点和支持向量机在小样本二元分类方面突出的特点构建多元分类识别模型,在不同故障情形下提取齿轮箱振动信号典型特征参数作为故障特征向量训练模型,并对样本进行测试;实验结果表明,该方法在小样本情况下识别效果明显优于神经网络方法,同时在识别效率方面比常规多元支持向量机方法有了较大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨建伟	北京建筑大学北京市建筑安全监测工程技术研究中心	57	313	11.0	16.0
2	陈志刚	北京建筑大学北京市建筑安全监测工程技术研究中心	31	44	4.0	6.0
3	汪耀林		4	10	3.0	3.0
4	张亮	北京建筑大学北京市建筑安全监测工程技术研究中心	3	7	2.0	2.0