基于混合域特征集与PSO-SVM的滚动轴承故障诊断方法

• 作者: 刘庆运 刘涛 方清
• 来源期刊: 机械工程与自动化
• 学科: 工学
• 关键词: 混合域特征集 粒子群优化支持向量机 滚动轴承
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 试验研究
• 页码范围: 1-3
• 页数: 3页
• 分类号: TH133.33|TH165+3
• 字数: 1989字
• 语种: 中文

摘要

针对单一或单域特征难以全面反映设备零部件运行状态的问题,提出了一种基于混合域特征集与粒子群优化支持向量机(Particle Swarm Optimization Support Vector Machine,PSO-SVM)的滚动轴承早期故障诊断方法.首先,分别采用基于时域、频域以及时频域的信号处理方法进行特征提取;然后将提取到的特征指标进行有机结合,构建混合域特征集;最后将混合域特征集输入粒子群优化支持向量机中实现滚动轴承早期故障的诊断.通过对凯斯西储大学轴承故障诊断实验数据进行验证,结果表明该方法在轴承故障诊断中具有精确性与稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘涛	安徽工业大学机械工程学院	43	116	4.0	10.0
2	刘庆运	安徽工业大学机械工程学院	45	163	8.0	11.0
3	方清	安徽工业大学机械工程学院	3	1	1.0	1.0