基于MFCC与PCA的滚动轴承故障诊断

• 作者: 于嘉成 宁永杰 王前
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 轴承 故障诊断 美尔倒谱系数
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 控制与检测
• 页码范围: 103-105
• 页数: 3页
• 分类号: TH165+.3|TG506
• 字数: 2247字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2017.12.025

摘要

针对振动传感器不易安装、传统分类算法训练时间较长等问题,提出了基于美尔倒谱系数(MF-CC)与主成分分析(PCA)的滚动轴承故障诊断方法.首先利用声音传感器采集滚动轴承声音信号,而后提取声音信号的MFCC特征,最后将MFCC特征作为PCA分类器的输入进行故障分类,并与反向传播神经网络(BPNN)、支持向量机(SVM)进行比较研究.实验结果表明:MFCC系数可以有效反应轴承不同工作状态下的信号特征;基于MFCC与PCA的轴承故障诊断方法能够准确、有效地识别轴承故障类型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王前	中国矿业大学信息与控制工程学院	18	55	5.0	6.0
2	于嘉成	中国矿业大学信息与控制工程学院	2	11	1.0	2.0
3	宁永杰	中国矿业大学信息与控制工程学院	2	11	1.0	2.0