本文主要研究内容
作者乔美英,刘宇翔,兰建义（2019）在《基于VMD和马氏距离SVM的滚动轴承故障诊断》一文中研究指出：针对滚动轴承早期故障识别较困难的问题,提出一种基于变分模态分解(VMD)和马氏距离支持向量机(SVM)的诊断方法。首先,采用小波阀值法对原始振动信号进行去噪处理,获得有效的振动信号。其次,根据VMD分解后每个模态的中心频率大小不同,确定最终分解层数。同时,从分解后的变分模态分量中提取能量特征。最后,为了对样本间进行距离度量,将马氏距离引入SVM的高斯核函数计算中,建立了一个基于马氏距离的高斯函数核,用于支持向量机分类器。利用改进的SVM对轴承的运行状态进行识别,实验结果表明所提方法在识别轴承正常状态、内圈、外圈以及滚珠体故障时,具有较高的准确率。
Abstract
zhen dui gun dong zhou cheng zao ji gu zhang shi bie jiao kun nan de wen ti ,di chu yi chong ji yu bian fen mo tai fen jie (VMD)he ma shi ju li zhi chi xiang liang ji (SVM)de zhen duan fang fa 。shou xian ,cai yong xiao bo fa zhi fa dui yuan shi zhen dong xin hao jin hang qu zao chu li ,huo de you xiao de zhen dong xin hao 。ji ci ,gen ju VMDfen jie hou mei ge mo tai de zhong xin pin lv da xiao bu tong ,que ding zui zhong fen jie ceng shu 。tong shi ,cong fen jie hou de bian fen mo tai fen liang zhong di qu neng liang te zheng 。zui hou ,wei le dui yang ben jian jin hang ju li du liang ,jiang ma shi ju li yin ru SVMde gao si he han shu ji suan zhong ,jian li le yi ge ji yu ma shi ju li de gao si han shu he ,yong yu zhi chi xiang liang ji fen lei qi 。li yong gai jin de SVMdui zhou cheng de yun hang zhuang tai jin hang shi bie ,shi yan jie guo biao ming suo di fang fa zai shi bie zhou cheng zheng chang zhuang tai 、nei juan 、wai juan yi ji gun zhu ti gu zhang shi ,ju you jiao gao de zhun que lv 。
论文参考文献
论文详细介绍
论文作者分别是来自中山大学学报(自然科学版)的乔美英,刘宇翔,兰建义，发表于刊物中山大学学报(自然科学版)2019年05期论文，是一篇关于轴承故障诊断论文,小波阀值法论文,变分模态分解论文,支持向量机论文,马氏距离论文,中山大学学报(自然科学版)2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自中山大学学报(自然科学版)2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：轴承故障诊断论文; 小波阀值法论文; 变分模态分解论文; 支持向量机论文; 马氏距离论文; 中山大学学报(自然科学版)2019年05期论文;