文献类型：期刊文章

作　　者：许凯[1] 许黎明[1] 周大朝[1] 辛庆伟[1] 曹正捷[2] 陈龙根[2]

Xu Kai;Xu Liming;Zhou Dachao

机构地区：[1]上海交通大学机械与动力工程学院,上海200240 [2]上汽通用汽车有限公司,上海201206

出　　处：《机械制造》

基　　金：国家科技重大专项(编号:2017ZX04016001)

年　　份：2019

卷　　号：57

期　　号：4

起止页码：92-96

语　　种：中文

收录情况：普通刊

摘　　要：针对滚动轴承产生磨损时振动信号表现出非平稳的特点,采用继承短时傅里叶变换和小波变换优良性质的Stockwell变换特征提取方法。为解决Stockwell变换后得到的二维矩阵阶数过高问题,采用奇异值分解方法对结果进行降维,并进一步矢量化,然后构成特征矩阵。将特征矩阵分别输出至多分类支持向量机、神经网络和近邻算法模型进行训练。对比测试结果,表明多分类支持向量机在准确率和识别速度上均有优势,从而证明基于Stockwell变换的滚动轴承故障诊断方法的有效性。

关 键 词：滚动轴承 Stockwell变换  故障  诊断  

分 类 号：TH165.3]