论文摘要
滚动轴承是旋转机械结构中常用的零件,如果发生故障,会造成极大的危害。随着大数据时代的到来,现代智能诊断方法已被广泛应用到轴承故障诊断中。针对目前智能诊断方法存在的问题,将统计模型引入轴承故障诊断中,提出了基于变分贝叶斯的轴承故障诊断方法。该方法对轴承振动信号进行局部特征尺度分解,得到若干个内禀尺度分量,并分别提取时域特征组成特征集,使用特征集训练产生基于变分贝叶斯的混合多维高斯分布模型,通过计算不同轴承故障的概率实现故障诊断。实验结果表明,所提方法的诊断正确率达到99.6%,与基于支持向量机的轴承诊断方法相比,在所组成的特征集上诊断正确率最高提升了39.6%。文中提出的方法能够全面且有效地诊断滚动轴承故障,对高维复杂的故障数据也有很好的诊断效果。
论文目录
文章来源
类型: 期刊论文
作者: 王岩,罗倩,邓辉
关键词: 变分贝叶斯,轴承故障诊断,局部特征尺度分解,高斯混合模型
来源: 计算机科学 2019年11期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 机械工业,自动化技术
单位: 北京信息科技大学信息与通信工程学院
基金: 促进高校内涵发展-信息与通信工程一级学科(5121911025),北京市教委科研计划项目(201811232009)资助
分类号: TH133.33;TP18
页码: 323-327
总页数: 5
文件大小: 378K
下载量: 312
相关论文文献
标签：变分贝叶斯论文; 轴承故障诊断论文; 局部特征尺度分解论文; 高斯混合模型论文;