基于小波散射和机器学习的轴承故障检测
梅娜1
颜秉政2
1.天津市中医药研究院 附属医院,天津 3001202.河北工业大学 先进激光技术研究中心,天津 300401
摘要：轴承状态监测和故障诊断对医疗设备的稳定性和可靠性起到了至关重要的作用.针对轴承故障检测依赖人工经验、检测效率和精度低等问题,提出一种基于小波散射和支持向量机的轴承故障检测模型.首先对原始振动信号进行预处理,搭建小波散射网络,小波散射系数作为数据特征,采用交叉验证和网格搜索算法训练得到支持向量机模型,实现了不同转速下对故障类型和故障尺寸的确定.为了验证模型性能,使用凯斯西储大学采集的轴承数据集开展实验.结果表明,该模型对轴承故障检测准确率可达到100%,实现了故障位置和尺寸的准确定位,具有良好的准确性和稳定性,为实现轴承故障的自动检测提供新思路.
关键词：故障检测滚动轴承小波散射机器学习支持向量机
分类号：TH133.3(机械零件及传动装置)TP181(自动化基础理论)
资助基金：国家自然科学基金(62305100)河北省高等学校科学研究项目(BJK2022008)
论文发表日期：2025-08-01
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：11( 516-526 )
英文信息