基于粒子群优化支持向量机的回转支承寿命状态识别

发布时间：2017-08-23 12:15

  本文关键词：基于粒子群优化支持向量机的回转支承寿命状态识别

  更多相关文章： 回转支承 支持向量机 粒子群 寿命状态识别

【摘要】：回转支承已在工程机械和风力发电等方面得到广泛应用。为了对其健康状态作出正确判断,采用经粒子群算法优化的支持向量机模型来对其寿命状态做出准确识别。寿命状态识别的关键问题是特征向量的提取。为了得到有效而又全面的寿命状态信息,从时域和时频域方面提取多个特征向量进行综合分析,从而实现了小样本数据下信息的最大挖掘。最后以回转史承全寿命实验对该方法进行检验,结果表明,该模型的效果优于传统的支持向量机以及单变量模型,具有实际工程应用价值。
【作者单位】： 南京工业大学机械与动力工程学院;
【关键词】： 回转支承 支持向量机 粒子群 寿命状态识别
【基金】：国家自然科学基金(51375222) 2014年度江苏省教育厅“青蓝工程”
【分类号】：TH133;TP18
【正文快照】： 回转支承已在工程机械和风力发电等方面得到广泛应用。回转支承一旦失效,将会影响机械装备的正常运行,并导致严重的经济损失和安全事故。鉴于此,有必要研究出一种评估回转支承当前寿命状态的技术,能够在设备出现早期故障前,就对其寿命状态进行估计,并在此基础上合理安排维护与

【相似文献】

中国期刊全文数据库 前10条

1 滕红智;贾希胜;赵建民;张星辉;王正军;葛家友;;分层隐Markov模型在设备状态识别中的应用研究[J];中国机械工程;2011年18期

2 余成波，，梁德沛;基于模糊相似贴近度旋转机械状态识别[J];机械传动;1994年04期

3 杜向华;毛荣富;朱海潮;;加权支持向量机在机器状态识别中的应用[J];船海工程;2006年04期

4 张蕾,郭忠新,曹其新;设备退化状态识别的两种方法[J];机床与液压;2005年01期

5 张优云;系统识别在摩擦学中的应用(续)[J];润滑与密封;1989年02期

6 王宁;孙树栋;蔡志强;李淑敏;;基于HSMM的两阶段设备缺陷状态识别方法[J];计算机应用研究;2011年12期

7 曾庆虎;邱静;刘冠军;;基于小波相关特征尺度熵的HSMM设备退化状态识别与故障预测方法[J];仪器仪表学报;2008年12期

8 谭青;旋转机械故障诊断的状态识别[J];南昌高专学报;1998年03期

9 曾庆虎;邱静;刘冠军;;小波相关特征尺度熵和隐半马尔可夫模型在设备退化状态识别中的应用[J];机械工程学报;2008年11期

10 张星辉;李凤学;赵劲松;曹端超;滕红智;;齿轮箱状态识别与剩余寿命预测的MoG-BBN法[J];噪声与振动控制;2014年02期

中国重要会议论文全文数据库 前2条

1 杨明忠;樊建春;;磨损形态分析与智能化磨损状态识别研究[A];第六届全国摩擦学学术会议论文集（上册）[C];1997年

2 李宏坤;周帅;孙志辉;;基于Hilbert时频谱重心与支持向量机的设备状态识别[A];第八届全国动力学与控制学术会议论文集[C];2008年

中国硕士学位论文全文数据库 前2条

1 林助军;非稳态条件下摩擦信号处理和状态识别技术研究[D];大连海事大学;2015年

2 朱昌堆;滚动轴承声发射信号特征选取及状态识别方法研究[D];北京化工大学;2012年

本文编号：724990