SVM与PSO相结合的电机轴承故障诊断

• 作者: 李嫄源 王瑶 程安宇 袁梅
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 支持向量机 粒子群优化算法 小波包分析 特征提取 电机轴承 故障诊断
• 年，卷（期）: 2018,（1）
• 页码范围: 99-107
• 页数: 9页
• 分类号: TH165+.3
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2018.01.011

摘要

针对电机轴承故障问题,提出一种基于支持向量机(SVM,support vector machine)与粒子群优化(PSO,particle swarm optimization)相结合的电机轴承故障诊断方法.结合振动信号的时域与小波包能量特征,使表征振动信号的特征具有较好的可靠性和敏感性,提高了故障的诊断准确率.采用PSO算法对SVM的惩罚参数和径向基核函数参数进行寻优,并与其它参数寻优算法进行比较分析.实验表明,研究提出的轴承故障诊断方法不仅对电机轴承的外圈故障、内圈故障和滚珠故障有很好的识别效果,而且还对每一类故障的严重程度有较好的区分,具有较强的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李嫄源	重庆邮电大学自动化学院	13	79	5.0	8.0
2	程安宇	重庆邮电大学自动化学院	29	183	8.0	11.0
3	袁梅	重庆邮电大学自动化学院	4	18	1.0	4.0
4	王瑶	重庆邮电大学自动化学院	1	18	1.0	1.0