|
OALib Journal期刊
ISSN: 2333-9721
费用：99美元
|
|
|
|
基于支持向量机的风电偏航回转支承故障诊断
DOI: 10.3969/j.issn.1671-7627.2014.01.022, PP. 117-122
Keywords: 支持向量机,回转支承,故障诊断
Abstract:
针对风电回转支承故障样本少、信号微弱且不易提取的特点,提出一种基于小波能谱和支持向量机相结合的故障诊断方法。采用加速度信号的小波能谱与温度、扭矩信号组合构成特征向量,用支持向量机对正常、单个螺栓断裂、多个螺栓断裂3种状态进行分类识别,结果分类准确率都达到100%。样本不变,采用bp神经网络方法分类的准确率分别为84%、92%和80%。结果表明,支持向量机方法比bp神经网络更适用于风电回转支承的故障诊断。
| [1] | cortesc,vapnikv.support-vectornetwork[j].machinelearning,1995(20):273-297.
|
| [2] | 史峰,王小川,郁磊,等.matlab神经网络30个案例分析[m].北京:北京航空航天大学出版社,2010.
|
| [3] | 龚群协,刘稚钧,李华彪.大型回转支承振动诊断技术应用研究[j].噪声与振动控制,2003(4):39-42.
|
| [4] | 张惠芳,陈捷.大型回转支承故障信号处理方法综述[j].机械设计与制造,2012(3):216-218.
|
| [5] | wordenk,laneaj.damageidentificationusingsupportvectormachines[j].smartmaterial&structure,2001(3):540-547.
|
| [6] | jacklb,nandiak.supportvectormachinesfordetectionandcharacterizationofrollingelementbearingfaults[j].journalofmechanicalengineeringscience,2001,215(9):1065-1074.
|
| [7] | vapnikv.statisticallearningtheory[m].newyork:johnwiley&sons,1998.
|
| [8] | 邓乃扬,田英杰.数据挖掘中的新方法:支持向量机[m].北京:科学出版社,2004.
|
| [9] | 张慧芳.3兆瓦风电偏航回转支承故障信号处理的方法研究[d].南京:南京工业大学,2012.
|
| [10] | 张景川,曾周末,赖平,等.基于小波能谱和小波信息熵的管道异常振动事件识别方法[j].振动与冲击,2010,29(5):1-4.
|
Full-Text
|
|
Contact Us
service@oalib.com QQ:3279437679 
WhatsApp +8615387084133
|
|
