基于改进贝叶斯分类的电机轴承故障诊断系统研究

发布时间：2022-06-03 20:45

　　针对电机轴承故障诊断模型构建时间长、准确率不高的问题,提出一种基于改进贝叶斯分类的故障诊断方法。首先通过小波包变化、粗糙集及主成分分析方法分别构造原始故障特征集、降维后的故障特征集,再将原始故障特征集和降维后的故障特征集输入到改进贝叶斯分类模型中实现故障诊断,以此为基础设计一套交流发电机轴承故障诊断系统。最后以国内车辆车载电机轴承振动数据为依据,将改进贝叶斯分类方法和神经网络及最小二乘支持向量机方法作对比分析,结果表明:改进贝叶斯分类方法建模时间更短,故障诊断准确率更高。 

【文章页数】：4 页

【文章目录】：
0 前言
1 改进贝叶斯分类故障特征提取方法
    1.1 小波包变换
    1.2 改进贝叶斯算法
2 电机轴承类故障诊断贝叶斯模型构建
    2.1 电机轴承常见故障分析
    2.2 改进贝叶斯模型构建
3 基于VS2010的电机轴承故障诊断系统开发
4 结论


【参考文献】：
期刊论文
[1]基于转速信号的电机轴承故障诊断方法[J]. 李雨琪,杨明,柴娜,徐殿国.  电气传动. 2019(09)
[2]航空电机轴承热机耦合的有限元数值模拟[J]. 卓亮,赵飞,王梓璇,马立丽.  微电机. 2019(08)
[3]基于改进粒子群相关向量机电机轴承故障诊断[J]. 杜坚,胡洁,仇芝.  应用力学学报. 2019(04)
[4]机械故障诊断技术的发展现状和未来趋势[J]. 姜波,黄捷.  科技创新导报. 2018(33)
[5]华龙一号核电工程造价及控制措施研究[J]. 梁国亮.  建筑经济. 2017(03)
[6]改进的人工免疫分类算法在故障类型识别中的应用[J]. 祝志慧,聂建元.  电力系统保护与控制. 2011(10)



本文编号：3653457