统计学习理论在滚动轴承故障模式识别中的应用

摘要：

提出了应用小波包变换和统计学习理论相结合进行滚动轴承故障诊断的方法。对故障轴承的特征提取和故障特征准确分类是解决该问题的两个关键。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。而基于统计学习理论的新的机器学习方法--支持向量机可完成模式识别和非线性回归。利用上述原理根据轴承振动信号的频域变化特征，采用小波包变换对其提取频域能量特征向量，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。试验结果表明，支持向量机可以有效地、准确地识别轴承的故障模式，为轴承故障诊断向智能化发展提供了新的途径。

关键词： 模式识别 统计学习理论 小波包 支持向量机 滚动轴承 故障模式 故障诊断

作者: 李萌 马文星 陆爽

作者单位: 吉林大学机械科学与工程学院,吉林省长春市,130025;长春大学机械工程学院,吉林省长春市,130022 吉林大学机械科学与工程学院,吉林省长春市,130025 浙江师范大学交通学院,浙江省金华市,321019

会议类型: 国内会议

会议名称: 第五届博士生学术年会

会议地点: 长春

会议语种:中文

页码: 89-93

在线出版日期: 2007-08-29（万方平台首次上网日期，不代表论文的发表时间）