资料下载
×
基于LMD和SVDD的滚动轴承故障诊断方法_刘震坤
消耗积分:1 |
格式:pdf |
大小:695KB |
2017-03-08
#Freedom
分享资料个
基于LMD和SVDD的滚动轴承故障诊断方法_刘震坤
在机械故障诊断中,常用的状态识别方法如统计直方图法、 神经网络等依赖于机械的故障类型,必须要有大量的实际数据。 而在实际工程中,缺乏大量的历史数据,尤其是历史故障数据。 因此一般的状态识别技术由于训练样本数据的缺乏而得不到 理想的诊断效果。而支持向量数据描述 (Support Vector Data Description, SVDD)方法能较好的解决历史故障数据缺乏这一问 题。 SVDD 方法是一种单值分类方法,是由 Tax 和 Duin 在 SVM 的基础上发展而来, 其主要思想是寻求一个尽可能包容目标样 本数据的最优超球体。该方法仅仅需要一类目标样本参与,而与 非目标类样本没关系。因此,在缺乏故障样本的情况下,只需要 正常样本数据参与,就可以训练、构建一个超球,进而对机械设 备的工作状态进行检测并判断是否发生故障。
在机械故障诊断中,常用的状态识别方法如统计直方图法、 神经网络等依赖于机械的故障类型,必须要有大量的实际数据。 而在实际工程中,缺乏大量的历史数据,尤其是历史故障数据。 因此一般的状态识别技术由于训练样本数据的缺乏而得不到 理想的诊断效果。而支持向量数据描述 (Support Vector Data Description, SVDD)方法能较好的解决历史故障数据缺乏这一问 题。 SVDD 方法是一种单值分类方法,是由 Tax 和 Duin 在 SVM 的基础上发展而来, 其主要思想是寻求一个尽可能包容目标样 本数据的最优超球体。该方法仅仅需要一类目标样本参与,而与 非目标类样本没关系。因此,在缺乏故障样本的情况下,只需要 正常样本数据参与,就可以训练、构建一个超球,进而对机械设 备的工作状态进行检测并判断是否发生故障。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
