基于小波包分解与DAG-SVM的柱塞泵故障诊断OA北大核心CSTPCD
Fault Diagnosis of Piston Pumps Based on Wavelet Packet Decomposition and DAG-SVM
针对柱塞泵检测诊断中故障特征模糊、成因复杂、难以准确定位的问题,结合决策树与支持向量机提出一种基于小波包分解与DAG-SVM的柱塞泵故障诊断方法.该方法预先对所用C-SVM和RBF核函数的参数进行优化,而后采用db5小波包对泵体振动信号进行三层分解以提取特征向量,将特征向量输入支持向量机完成其训练及模式识别过程.同时设计了柱塞泵故障诊断的一体化装置,通过模拟不同故障,利用已知故障样本完成支持向量机的训练过程,进而对待测样本进行故障模式识别.诊断结…查看全部>>
蔡伟;黄坤阳;戴民强;杨志勇
第二炮兵工程大学兵器发射理论与技术国家重点学科实验室,陕西西安710025第二炮兵工程大学兵器发射理论与技术国家重点学科实验室,陕西西安710025第二炮兵工程大学兵器发射理论与技术国家重点学科实验室,陕西西安710025第二炮兵工程大学兵器发射理论与技术国家重点学科实验室,陕西西安710025
机械制造
柱塞泵故障检测诊断小波包分解DAG-SVM参数优化
piston pumpsfault diagnosiswavelet packet decompositionDAG-SVMparameters optimization
《液压与气动》 2015 (12)
基于脉冲耦合神经网络的多源图像融合理论与方法研究
12-17,6
国家自然科学基金(61102170)
评论