基于熵带法与PSO优化的SVM转子故障诊断

作     者：霍天龙 赵荣珍 胡宝权 Huo Tianlong;Zhao Rongzhen;Hu Baoquan

作者机构：兰州理工大学数字制造技术与应用省部共建教育部重点实验室兰州730050 兰州理工大学机电工程学院兰州730050 

基　　金：国家自然科学基金资助项目(编号:50875118) 甘肃省教育厅硕导基金资助项目(编号:0903-11) 

出 版 物：《振动．测试与诊断》 (Journal of Vibration,Measurement & Diagnosis)

年 卷 期：2011年第31卷第3期

页      码：279-284,392页

摘      要：对转子故障信号的信息熵带作为支持向量机(support vector machine,简称SVM)的训练样本,基于粒子群算法(particle swarm optimization,简称PSO)优化SVM分类器结构参数进行了研究。对试验模拟获得的故障信号进行了时域、频域、时-频域的信息熵带计算,得到了奇异值谱熵、功率谱熵、小波空间谱熵及小波能谱熵4种熵带,并对熵带进行预处理,建立了一种基于故障信号的信息熵带作为特征量,用PSO解决SVM结构参数优化设置的转子故障识别方法。将该方法应用于转子系统在线故障诊断中,结果表明,所设计的算法具有训练速度快、测试时间短、分类准确率高等特点。

主 题 词：转子系统 信息熵 支持向量机 故障诊断 

学科分类：1002[医学-临床医学类] 08[工学] 080202[080202] 080203[080203] 0804[工学-材料学] 0805[工学-能源动力学] 0802[工学-机械学] 0703[理学-化学类] 0801[工学-力学类] 0702[理学-物理学类] 

核心收录：

D　O　I：10.3969/j.issn.1004-6801.2011.03.002

馆 藏 号：203303153...