基于小波包熵与SVM的导轨摩擦磨损状态识别

发布时间：2017-11-18 03:26

  本文关键词：基于小波包熵与SVM的导轨摩擦磨损状态识别

  更多相关文章： 摩擦振动 信号处理 小波包分解 支持向量机 状态识别

【摘要】：针对摩擦振动和噪声信号较难获得、信号抗干扰能力差以及生产中难以得到大量摩损状态样本的情况,提出小波包熵和支持向量机(SVM)相结合的机床导轨摩擦磨损状态识别方法。该方法通过小波包分解方法将信号分解到独立相邻的节点频带中,设计对比实验获得导轨摩擦信息特征频带对应的小波包节点序列,以该序列小波包能量熵值建立特征向量作为SVM的输入参数。实验结果表明,以多项式核函数和径向基核函数建立的SVM分类器平均识别率分别达到72.2%和83.3%,具有较好的预测推广能力及较高的识别准确率。
【作者单位】： 宁波大学机械工程与力学学院;浙江省零件轧制成形技术研究重点实验室;
【基金】：浙江省自然科学项目“小型海洋作业船舶应用绿色能源的关键技术研究”(LY12E09001) 宁波市自然科学基金“摆动叶片式海浪能发电装置性能研究”(2015A610150) 宁波市重点学科项目“叶片及其加工过程研究”(XKl15D223)
【分类号】：TG659
【正文快照】： 中文引用格式:任瑶,李国富,应小刚,等.基于小波包熵与SVM的导轨摩擦磨损状态识别[J].计算机工程,2016,42(11):281-284.英文引用格式:Ren Yao,Li Guofu,Ying Xiaogang,et al.Guideway Friction and Wear State Recognition Based onWavelet Package Entropy and SVM[J].Compute

【相似文献】

中国期刊全文数据库 前6条

1 康廷杰;周金旭;;基于声发射技术的磨削状态识别[J];机械制造与自动化;2009年02期

2 徐晓丽;舒赜;钟秉林;;模糊决策树在磨削状态识别中的应用[J];微计算机信息;2008年19期

3 刘岩;刘璨;;线性机与粗糙集综合聚类的铣刀破损状态识别[J];机电工程技术;2006年07期

4 董桂华;张寿明;;基于数据融合的铝箔轧制过程状态识别研究[J];自动化仪表;2009年11期

5 刘刚;;基于切削声音的刀具磨损状态识别研究[J];机械研究与应用;2008年06期

6 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 刘伟;郭钟宁;张永俊;何建文;;面向IGBT主动驱动并联仿真研究[A];第11届粤港机械电子工程技术与应用研讨会论文汇编[C];2010年

，

本文编号：1198406