基于奇异值谱与SVM的涡旋压缩机故障诊断方法研究

• 作者: 李亚晨 杨铎 王珍 陈建国
• 来源期刊: 压缩机技术
• 学科: 工学
• 关键词: 涡旋压缩机 小波包分解 奇异值分解 支持向量机 故障诊断
• 年，卷（期）: 2017,（3）
• 页码范围: 6-9,15
• 页数: 5页
• 分类号: TH455|TN911.7
• 字数: 2760字
• 语种: 中文

摘要

针对涡旋压缩机振动信号的非平稳性和难以获得大量实际故障样本的情况,提出一种奇异值谱和支持向量机(Support Vector Machine,SVM)的故障诊断新方法.该方法首先通过对涡旋压缩机信号进行小波包分解,构建时频系数矩阵;然后对该矩阵进行奇异值分解(Singular Value Decomposition,SVD),获得信号的奇异值谱,并计算奇异谱的分布参数作为故障识别的特征向量;最后将特征向量作为SVM的输入,实现涡旋压缩机故障类型的辨识.试验结果表明:即使在小样本情况下,该方法仍能有效识别涡旋压缩机故障类型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王珍	大连大学机械工程学院	42	256	9.0	13.0
2	陈建国	大连大学机械工程学院	7	8	2.0	2.0
3	杨铎	大连大学机械工程学院	13	35	3.0	5.0
4	李亚晨	大连大学机械工程学院	1	2	1.0	1.0