基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
基于Hilbert包络谱奇异值和IPSO-SVM的滚动轴承故障诊断研究
EMD
IMF
改进粒子群算法
支持向量机
滚动轴承
基于LMD多尺度熵与SVM的往复压缩机轴承故障诊断方法
往复压缩机
LMD
多尺度熵
轴承
故障诊断
涡旋压缩机故障分析
电机
涡旋盘
轴套
基于最小二乘支持向量机的往复式压缩机故障诊断研究
往复式压缩机
故障诊断
LSSVM
振动信号
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于奇异值谱与SVM的涡旋压缩机故障诊断方法研究
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) 所属期刊栏目
研究方向 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
DOI
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (130)
共引文献  (243)
参考文献  (11)
节点文献
引证文献  (2)
同被引文献  (4)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(8)
  • 参考文献(0)
  • 二级参考文献(8)
2004(17)
  • 参考文献(0)
  • 二级参考文献(17)
2005(8)
  • 参考文献(0)
  • 二级参考文献(8)
2006(8)
  • 参考文献(1)
  • 二级参考文献(7)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(10)
  • 参考文献(3)
  • 二级参考文献(7)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(17)
  • 参考文献(0)
  • 二级参考文献(17)
2011(15)
  • 参考文献(0)
  • 二级参考文献(15)
2012(11)
  • 参考文献(2)
  • 二级参考文献(9)
2013(6)
  • 参考文献(2)
  • 二级参考文献(4)
2014(7)
  • 参考文献(0)
  • 二级参考文献(7)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
涡旋压缩机
小波包分解
奇异值分解
支持向量机
故障诊断
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
压缩机技术
双月刊
1006-2971
21-1176/TH
16开
沈阳市经济技术开发区开发大路16号甲
8-70
1963
chi
出版文献量(篇)
2250
总下载数(次)
1
论文1v1指导