基于PCA-SVM的轴承故障诊断研究

• 作者: 吉敏
• 来源期刊: 电子设计工程
• 学科: 工学
• 关键词: 轴承故障诊断 主成分分析法 支持向量机 时域特征
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 计算机技术与应用
• 页码范围: 14-18
• 页数: 5页
• 分类号: TH17
• 字数: 3205字
• 语种: 中文

摘要

随着现代制造业朝着大型化、柔性化、智能化发展,保障生产设备的安全运转越发重要.提出了基于PCA-SVM算法的轴承故障诊断分析模型.该模型提取轴承振动信号的时域指标参数,并运用主成分分析法(PCA)对指标参数进行优化和选择,利用降维思想,将多参数转化为综合参数,将综合特征值作为支持向量机(SVM)分类器的输入向量训练分类模型,最后运用测试集进行故障诊断实验,实验表明PCA-SVM模型可以帮助提高模型分类效率和精度,快速排查定位轴承故障,从而降低由故障导致的生产问题,减少经济损失.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吉敏	上海第二工业大学智能制造与控制工程学院	2	3	1.0	1.0