基于AFSA-SVM的滚动轴承故障诊断研究

基于AFSA-SVM的滚动轴承故障诊断研究

论文摘要

针对滚动轴承运行过程中引发的滚动体故障、内圈故障以及外圈故障,文章第一次将人工鱼群优化支持向量机的算法用于滚动轴承故障类型的诊断识别。同时,将该算法诊断识别的结果与PSO-SVM、GA-SVM的结果进行比较。通过对比分析可知,该算法故障诊断识别的准确率为95%,PSO-SVM的准确率为85%,GA-SVM的准确率为87.5%。这表明了,该算法在滚动轴承故障类型的诊断识别方面,具有良好的故障诊断识别效果。

论文目录

  • 0 引言
  • 1 人工鱼群优化支持向量机算法模型
  •   1.1 人工鱼群算法
  •   1.2 支持向量机
  •   1.3 AFSA-SVM算法模型的构建
  • 2 AFSA-SVM在滚动轴承故障诊断中的应用1
  •   2.1 信号采集
  •   2.2 选取故障的特征值
  •   2.3 AFSA-SVM模型参数的设置
  •   2.4 仿真结果分析
  • 3 结论
  • 文章来源

    类型: 期刊论文

    作者: 姬盛飞,王丽君,吉南阳

    关键词: 滚动轴承,人工鱼群算法,支持向量机,故障诊断

    来源: 组合机床与自动化加工技术 2019年01期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 机械工业,自动化技术

    单位: 华北水利水电大学机械学院

    基金: 河南省高校科技创新团队支持计划(19IRTSTHN011),河南省研究生教育教学改革研究与实践项目(2017SJGLX0 06Y),郑州测控技术与仪器重点实验室(121PYFZX181),华北水利水电大学第九届研究生创新项目(YK-2017-08)

    分类号: TP18;TH133.33

    DOI: 10.13462/j.cnki.mmtamt.2019.01.031

    页码: 115-117

    总页数: 3

    文件大小: 2387K

    下载量: 271

    相关论文文献

    • [1].利用包络解调技术分析诊断滚动轴承故障[J]. 冶金动力 2020(01)
    • [2].基于多特征提取和改进马田系统的滚动轴承故障分类方法研究[J]. 振动与冲击 2020(06)
    • [3].关于滚动轴承故障检测的改进包络分析[J]. 科技创新导报 2020(04)
    • [4].滚动轴承故障诊断技术[J]. 福建电脑 2020(06)
    • [5].滚动轴承故障诊断方法综述[J]. 内燃机与配件 2019(23)
    • [6].经验模态分解和神经网络在滚动轴承故障诊断中应用研究[J]. 安徽建筑大学学报 2016(04)
    • [7].基于包络谱分析的滚动轴承故障诊断方法研究[J]. 煤矿机械 2017(02)
    • [8].排列熵与核极限学习机在滚动轴承故障诊断中的应用[J]. 组合机床与自动化加工技术 2017(02)
    • [9].非平稳工况的滚动轴承故障特征研究新方法[J]. 机械设计与研究 2017(01)
    • [10].基于压缩信息特征提取的滚动轴承故障诊断方法[J]. 中国机械工程 2017(07)
    • [11].循环平稳在滚动轴承故障诊断中的应用[J]. 军事交通学院学报 2017(06)
    • [12].基于小波包分解与权重包络谱的滚动轴承故障特征增强[J]. 机械设计与研究 2017(03)
    • [13].滚动轴承故障诊断实例[J]. 设备管理与维修 2016(10)
    • [14].关于提升机滚动轴承故障分析及研究[J]. 中国石油和化工标准与质量 2020(21)
    • [15].低转速设备滚动轴承故障诊断技巧[J]. 科学技术创新 2020(10)
    • [16].基于机器学习算法的滚动轴承故障诊断研究[J]. 组合机床与自动化加工技术 2020(07)
    • [17].基于熵特征和堆叠稀疏自编码器的滚动轴承故障诊断方法[J]. 工业控制计算机 2020(10)
    • [18].变转速下滚动轴承故障诊断方法研究现状分析[J]. 军事交通学院学报 2019(07)
    • [19].基于嵌入式系统的滚动轴承故障实时诊断[J]. 现代电子技术 2017(07)
    • [20].基于小波变换的滚动轴承故障信号降噪研究[J]. 自动化应用 2017(08)
    • [21].灰色极限学习机在滚动轴承故障预测中的应用[J]. 计算机测量与控制 2017(07)
    • [22].经验模式分解在滚动轴承故障诊断中的应用[J]. 军事交通学院学报 2016(09)
    • [23].基于广义S变换的滚动轴承故障诊断方法研究[J]. 机床与液压 2015(01)
    • [24].一种改进的滚动轴承故障诊断方法[J]. 机械制造 2012(05)
    • [25].神经网络在滚动轴承故障诊断中的应用[J]. 装备制造技术 2010(01)
    • [26].石化企业电机滚动轴承故障诊断模型研究[J]. 企业技术开发 2008(09)
    • [27].一种基于广义解调的滚动轴承故障特征提取方法[J]. 振动与冲击 2020(20)
    • [28].基于多自由度的小波包滚动轴承故障诊断方法[J]. 上海电机学院学报 2016(06)
    • [29].基于变分模态分解改进方法的滚动轴承故障特征提取[J]. 图学学报 2016(06)
    • [30].基于复合多尺度熵与拉普拉斯支持向量机的滚动轴承故障诊断方法[J]. 中国机械工程 2017(11)

    标签:;  ;  ;  ;  

    基于AFSA-SVM的滚动轴承故障诊断研究
    下载Doc文档

    猜你喜欢