購物車(0)
基于諧波小波包和IAGA-SVM的滾動軸承故障診斷
關(guān)鍵詞：滾動軸承 故障診斷 諧波小波包 改進的自適應(yīng)遺傳算法 支持向量機
摘要：傳統(tǒng)方法在診斷滾動軸承故障時受人為因素影響,故障成因復(fù)雜,因此在已有理論上提出一種基于諧波小波包和自適應(yīng)支持向量機相結(jié)合的搗固車故障診斷方法。諧波小波包對不同故障下的振動信號展開分解及重構(gòu)后所提取的頻帶能量即為特征向量,再把特征值輸入支持向量機(SVM)模型中訓(xùn)練并對核函數(shù)和懲罰系數(shù)進行優(yōu)化。用自適應(yīng)支持向量機構(gòu)建從特征向量到故障類型間的對應(yīng),從而完成滾動軸承故障的診斷。該方法能高效準(zhǔn)確地診斷出故障類型且有實用價值。通過與GA-SVM及AGA-SVM對比,證明此方法在故障診斷領(lǐng)域中的卓越性。
計算機應(yīng)用與軟件雜志要求:
{1}文章關(guān)鍵要素，需有英文摘要。
{2}文章主題明確，數(shù)據(jù)可靠，書寫準(zhǔn)確，圖表清晰，文字簡練，內(nèi)容齊全完整。來稿應(yīng)含以下部分：中英文題名、中英文摘要、中英文關(guān)鍵詞、中圖分類號（本編輯部亦可代查）、正文以及必要的圖表、參考文獻。
{3}文稿要一稿一投，嚴(yán)禁各類侵權(quán)行為。
{4}前言應(yīng)充分說明研究工作的背景、意義、本文擬解決的問題、采用的方法和手段,引出重要文獻,全面評述相關(guān)研究工作,突出本工作的重要性和創(chuàng)新性,不要忽視國內(nèi)同行的工作。
{5}稿件注釋一律采用 “腳注”。注釋規(guī)則請參下附《注釋規(guī)范》，請投稿者嚴(yán)格遵循。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
