论文部分内容阅读
提出了应用小波包变换和统计学习理论相结合进行滚动轴承故障诊断的方法。对故障轴承的特征提取和故障特征准确分类是解决该问题的两个关键。小波包变换具有良好的时-频局部化特征，非常适于对瞬态或时变信号进行特征提取。而基于统计学习理论的新的机器学习方法--支持向量机可完成模式识别和非线性回归。利用上述原理根据轴承振动信号的频域变化特征，采用小波包变换对其提取频域能量特征向量，然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别。试验结果表明，支持向量机可以有效地、准确地识别轴承的故障模式，为轴承故障诊断向智能化发展提供了新的途径。