【技术实现步骤摘要】
一种基于小波变异粒子群算法的轴承故障分类方法
本专利技术涉及轴承故障分类领域，尤其涉及一种基于小波变异粒子群算法的轴承故障分类方法。
技术介绍
随着时代的发展和经济的繁荣，我国轴承工业飞速发展，轴承的品种由少到多，产品质量和技术水平从低到高，行业规模从小到大，已经形成了产品门类基本齐全、生产布局较为合理的专业生产体系。轴承作为当代工业机械设备中一种重要的零部件，它的主要功能是支撑机械旋转体，降低其运动过程中的摩擦系数，并保证其回转精度。但我国的机械轴承制造方面仍然存在着许多问题，目前我国的轴承行业生产能力较低，大多数轴承生产商来自国外，对于轴承行业来说理论基础能力较弱，研发水平不高。当前我国的设计和制造技术基本来源于对国外技术的模仿，且制造技术水平较低，我国轴承工业制造工艺和工艺装备技术发展缓慢，车加工数控率低。这些原因导致造成轴承工序能力指数低，一致性差，产品加工尺寸离散度大，因产品内在质量不稳定而影响轴承的精度、性能、寿命和可靠性，但轴承在机械运行中起着必不可少的作用，所以及时发现轴承中的故障，区分正常轴承与各类故障轴承，成为一项必不可少的研究。综上所述，根据...
【技术保护点】
1.一种基于小波变异粒子群算法的轴承故障分类方法，其特征在于，包括如下步骤：S1、获取轴承原始数据，提取所述轴承原始数据的能量特征；S2、将能量特征输入基于小波变异粒子群算法的最小二乘支持向量机分类模型；S3、得出故障分类结果。
【技术特征摘要】
1.一种基于小波变异粒子群算法的轴承故障分类方法，其特征在于，包括如下步骤：S1、获取轴承原始数据，提取所述轴承原始数据的能量特征；S2、将能量特征输入基于小波变异粒子群算法的最小二乘支持向量机分类模型；S3、得出故障分类结果。2.如权利要求1所述的基于小波变异粒子群算法的轴承故障分类方法，其特征在于，所述基于小波变异粒子群算法的最小二乘支持向量机分类模型的训练方法包括：S101、获取训练数据集，将训练数据集输入待训练的基于小波变异粒子群算法的最小二乘支持向量机分类模型；S102、初始化粒子群的进化代数、学习因子，设第i个粒子的初始位置为xi，第i个粒子的初始速度为vi，第...
【专利技术属性】
技术研发人员：黄大荣，张续，柯兰艳，邓真平，林梦婷，韦天成，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。