基于小波包分解和支持向量数据描述的故障诊断方法
李自国
郝伟
李凌均
1.郑州大学,振动研究所,郑州,4500022.郑州大学,振动研究所,郑州,4500023.郑州大学,振动研究所,郑州,450002
摘要：支持向量数据描述(support vector data description, SVDD)是一种单值分类方法,该方法能够在只有一类学习样本的情况下建立分类器, 其在机械故障诊断中的应用有望解决制约智能故障诊断技术发展的故障数据缺乏问题.文中提出一种基于小波包分解特征提取和SVDD的故障诊断方法,用小波包分解技术提取信号各频带的能量作为信号特征,用SVDD方法进行分类.对滚动轴承故障诊断的仿真实验结果显示,该方法可有效处理复杂机械振动信号,提高故障诊断的准确性.
关键词：支持向量数据描述故障诊断小波包分解
分类号：TH165.3(机械制造工艺)TP18(自动化基础理论)
资助基金：河南省自然科学基金(0611022400)
论文发表日期：2007-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：5( 365-369 )
英文信息