基于双树复小波和自适应权重和时间因子的粒子群优化支持向量机的轴承故障诊断

发布时间：2017-10-17 22:26

  本文关键词：基于双树复小波和自适应权重和时间因子的粒子群优化支持向量机的轴承故障诊断

  更多相关文章： 双树复小波 支持向量机 粒子群算法 自适应权重和时间因子 故障诊断

【摘要】：提出了一种基于双树复小波和具有自适应权重和时间因子的粒子群算法优化支持向量机的轴承故障诊断方法。首先对机械振动信号进行DTCWT变换,提取能量熵作为特征向量。然后采用AWTFPSO算法优化SVM,实现轴承故障诊断。不同方法的对比实验及分析结果表明,该方法速度快、准确率高。
【作者单位】： 燕山大学电气工程学院;中南大学信息科学与工程学院;燕山大学机械工程学院;
【关键词】： 双树复小波 支持向量机 粒子群算法 自适应权重和时间因子 故障诊断
【基金】：国家自然科学基金资助项目(51475405,61077071) 河北省自然科学基金资助项目(F2016203496,F2015203413)
【分类号】：TH133.3
【正文快照】： 0引言 机械故障诊断技术是保证生产系统安全稳定运行和提高产品质量的重要手段和关键技术,其研究的关键在于信号特征提取和模式识别。常用的特征提取方法有傅里叶变换[1]、小波变换[2]和S变换[3]等,主要的分类器有神经网络[4]、支持向量机[5]和贝叶斯分类器[6]等。小波变换大

【相似文献】

中国期刊全文数据库 前10条

1 陈祥训;时域紧支正交复小波及其在电力系统的应用[J];中国电机工程学报;1999年01期

2 任明炜,郑红平,孙玉坤;基于最佳提升系数的双正交复小波生成方式[J];电测与仪表;2005年07期

3 崔雪梅,孙才新,李剑,李新,杜林;用复小波提取变压器局放脉冲信号特征的研究[J];仪器仪表学报;2005年02期

4 杨赢,邰能灵,郁惟慵;基于复小波的快速相差保护研究[J];中国电机工程学报;2005年11期

5 张大波;刘志刚;张亚军;;复小波研究现状及其在电力系统中的应用进展[J];电力系统自动化;2006年17期

6 蒋斌,罗小平,颜钢锋;基于半复小波的电力系统扰动检测新方法[J];电力系统自动化;2003年06期

7 何岭松,熊鹰;FFT复小波及在设备故障信号分析中的应用[J];华中科技大学学报;2001年10期

8 刘双宝;陶善宏;于继来;王力欣;;用于提取PD信号的复小波簇消噪算法[J];高电压技术;2007年10期

9 幸锐;徐舒畅;张三元;竺乐庆;;融合复小波特征和局部二值模式的纹理聚类[J];浙江大学学报(工学版);2010年05期

10 张智;韦志辉;夏德深;;复小波的亚像元图像重建及去噪方法[J];中国工程科学;2008年11期

中国重要会议论文全文数据库 前1条

1 王爽;侯彪;付海军;焦李成;;基于方向对比度和局部方差的双树复小波图像融合算法[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

中国博士学位论文全文数据库 前2条

1 唐炬;组合电器局放在线监测外置传感器和复小波抑制干扰的研究[D];重庆大学;2004年

2 吴游;基于复小波分析的多载波系统在4G中关键技术的研究[D];南京师范大学;2011年

中国硕士学位论文全文数据库 前10条

1 黄学优;MRI去噪及分割算法研究[D];浙江师范大学;2016年

2 周金凤;4-进紧支撑复小波[D];湖南师范大学;2014年

3 田丽伟;复小波框架、M尺度复小波及对偶树复小波的构造[D];陕西师范大学;2011年

4 祁炜;基于导向复小波的视网膜图像增强与血管监督分割技术研究[D];华中科技大学;2009年

5 杨魁;基于复小波域上广义高斯估计的纹理分类方法[D];吉林大学;2010年

6 彭玢;基于复小波的图像内容检索[D];华北电力大学（北京）;2011年

7 李玉兰;基于奇异谱斜率算法的复小波抑制PD白噪干扰的研究[D];重庆大学;2009年

8 唐铭;以复合复小波系数为特征量的局部放电模式识别研究[D];重庆大学;2007年

9 黄水根;复小波子空间特征融合的人脸识别算法研究[D];南昌大学;2013年

10 王爽;基于小波域MRF样本修补技术的研究与实现[D];长春理工大学;2011年

，

本文编号：1051387