基于集成支持向量机的滚动轴承故障智能诊断研究

被引:7
作者
杨永生
张优云
机构
[1] 西安交通大学现代设计与转子轴承系统教育部重点实验室
关键词
支持向量机; Adaboost算法; 小波包变换; 特征提取;
D O I
10.13436/j.mkjx.2010.04.124
中图分类号
TH165.3 []; TH133.33 [滚动轴承];
学科分类号
080202 ; 080203 ;
摘要
针对滚动轴承故障识别问题,有效提高分类正确率,提出一种基于Adaboost算法的集成支持向量机智能诊断方法。该方法采用小波包变换提取信号的敏感频带特征;计算各频带能量作为训练特征;将特征向量输入到集成支持向量机中,以实现对不同的滚动轴承故障类型的识别。实验结果表明,该方法能有效地提取故障特征同时获得较好的分类效果。
引用
收藏
页码:243 / 245
页数:3
相关论文
共 6 条
[1]  
统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,
[2]   基于改进支持向量机方法的汽轮机故障诊断研究 [J].
张鸿雁 .
煤矿机械, 2008, (07) :197-199
[3]   基于支持向量机的故障诊断方法研究 [J].
齐保林 ;
李凌均 .
煤矿机械, 2007, (01) :182-184
[4]   基于提升小波包变换和集成支持矢量机的早期故障智能诊断 [J].
胡桥 ;
何正嘉 ;
张周锁 ;
訾艳阳 ;
雷亚国 .
机械工程学报, 2006, (08) :16-22
[5]   基于支持向量机集成的故障诊断 [J].
李烨 ;
蔡云泽 ;
许晓鸣 .
控制工程, 2005, (S2) :174-177
[6]   机械诊断中的几个基本问题 [J].
屈梁生 ;
张海军 .
中国机械工程, 2000, (Z1) :220-225+9