基于多小波包和邻域粗糙集的故障诊断模型

作者：瞿金秀; 张周锁; 何正嘉

来源：振动.测试与诊断, 2013, S1: 137-226.

DOI：10.16450/j.cnki.issn.1004-6801.2013.s1.027

• 多小波包
• 传统小波包
• 邻域粗糙集
• 多分类支持向量机
• 故障诊断 multiwavelet packet
• traditional wavelet packet
• neighborhood rough set
• multi-class support vector machine
• fault diagnosis

为了解决机械设备复合故障难以正确识别的问题,提出一种基于多小波包和邻域粗糙集的机械故障诊断模型。首先,采用多小波包对原始振动信号进行分解,分别提取原始信号和各分解频带信号的时域特征组成原始特征;然后,采用邻域粗糙集方法筛选出敏感特征作为多分类支持向量机的输入,实现机械设备不同状态的自动识别。模型应用结果表明相比于传统小波包,多小波包分解够提取到更丰富的故障信息和获得较高的识别精度;邻域粗糙集能够从大量的原始特征中选择出敏感特征,减小分类算法的复杂性,进一步提高分类准确率。该模型在复合故障的诊断方面具有显著优势。

• 单位
  西安交通大学机械制造系统工程国家重点实验室