Author(s): LI Ya-mei, HE Xi
Pages: 396-400
Year: 2014 Issue:  2
Journal: Computer Simulation
Keyword:  NGA; Fault diagnosis; Wavelet packet; SVM; Parameter optimization;
Abstract: 为解决故障轴承的特征提取和故障特征准确分类的问题,提出了一种小波包变换和小生境遗传算法参数优化混合核支持向量机相结合的故障识别方法.滚动轴承故障时产生的振动信号具有非平稳特性,而小波包变换具有良好的时-频局部化特征,非常适于对瞬态或时变信号进行特征提取；采用小生境遗传算法对支持向量机进行参数优化,可很好地完成模式识别和非线性回归.利用上述原理,首先,提取经小波包变换后的故障特征信息；然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别.通过对比分析,实验结果表明,在有限故障样本条件下,改进方法具有更好的诊断效果.