基于小波包分解与K-L变换的齿轮泵振动信号故障特征提取方法

发布时间：2018-01-03 09:51

  本文关键词：基于小波包分解与K-L变换的齿轮泵振动信号故障特征提取方法　出处：《机床与液压》2016年21期 　论文类型：期刊论文

  更多相关文章： 故障诊断 小波包分解 K-L变换 特征提取

【摘要】：针对齿轮泵故障成因复杂、模糊性强的特点,结合小波包分解与K-L变换,提出一种适用于支持向量机故障诊断的特征提取方法。通过小波包对样本故障振动信号进行分解得到特征向量,而后利用K-L变换处理得到新的特征向量集,达到降维去噪的目的。将处理后的特征向量集用于支持向量机的模型训练,分析结果表明:该方法能够有效提高故障模式识别准确率和识别效率。
[Abstract]:This paper proposes a feature extraction method suitable for fault diagnosis of support vector machine by combining wavelet packet decomposition and K - L transformation , and then using K - L transform processing to obtain a new feature vector set , which is used to support vector machine ' s model training . The result shows that the method can effectively improve the accuracy and efficiency of fault pattern recognition .

【作者单位】： 第二炮兵工程大学兵器发射理论与技术国家重点学科实验室;
【基金】：国家自然科学基金资助项目(61102170)
【分类号】：TH325
【正文快照】： 0前言齿轮泵工作时由于环境变化以及各类故障的影响,其自身产生的振动信号一般会包含故障信息。通过支持向量机(Support Vector Machine,SVM)对这些信号进行分析处理,可实现对齿轮泵故障的检测和诊断[1]。但利用SVM进行故障诊断时,采集的振动信号样本不可避免的含有噪声,当噪

【相似文献】

相关期刊论文 前8条

1 钱苏翔;杨世锡;焦卫东;胡红生;;基于独立分量分析与小波包分解的混叠声源信号波形恢复[J];中国机械工程;2010年24期

2 刘晓波,黄其柏,孙康;小波包分解及其在旋转机械故障诊断中的应用[J];风机技术;2004年06期

3 李自国;郝伟;李凌均;;基于小波包分解和支持向量数据描述的故障诊断方法[J];机械强度;2007年03期

4 任世美;;基于小波包分解的转子叶片裂纹故障特征分析[J];冶金设备;2005年06期

5 王轩;王莉;魏蔚;;瞬时功率小波包分解法在轴承故障诊断中的应用[J];轴承;2010年10期

6 叶瑞召;李万红;;基于小波包分解和BP神经网络的轴承故障诊断[J];轴承;2012年10期

7 王洪刚,郑海起,马吉胜,栾军英;变速箱故障声压信号的小波包分解与诊断[J];振动与冲击;2001年02期

8 ;[J];;年期

相关会议论文 前1条

1 王志刚;吕勇;李友荣;李方;;基于自适应谐波小波包分解的齿轮故障诊断方法[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

，

本文编号：1373339