基于SVD和SVDD的轴承故障诊断

• 作者: 刘英杰 吴建德 范玉刚
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 奇异值分解 单值分类 支持向量数据域描述 故障诊断
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 安全监控系统
• 页码范围: 423-427
• 页数: 5页
• 分类号: TP277
• 字数: 5322字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.151138

摘要

将振动信号进行有效的特征提取与描述,是轴承故障诊断的关键.针对轴承实际运行当中,因故障数据的缺乏而严重影响故障诊断准确性的问题,采用了基于奇异值分解和支持向量数据域描述相结合的轴承故障智能诊断方法.首先,对正常运行的振动信号进行奇异值分解,提取分量信号的能量,构建振动信号的特征向量.然后建立轴承支持向量数据域描述正常运行状态模型,以振动信号特征值偏离支持向量数据域描述模型的程度为标准,判断轴承运行状态.试验结果表明,将该方法应用于滚动轴承的故障诊断中可以有效提取振动信号的故障特征,提高轴承故障诊断的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴建德	昆明理工大学矿物管道输送工程技术研究中心	53	158	7.0	10.0
2	范玉刚	昆明理工大学信息工程与自动化学院	48	210	8.0	12.0
3	刘英杰	昆明理工大学信息工程与自动化学院	5	8	2.0	2.0