关键词:
振动信号
模式识别
支持向量机
主成分分析
傅立叶变换
摘要:
随着现代科学技术和工业化的不断发展,机械设备变得越来越复杂,且综合程度和自动化程度得到不断的提高,各部件之间的联系则变得更加紧密。所以当设备在运行的过程中,如若某一部分发生微小的故障,这些变化会引起整台设备的瘫痪,这不仅会造成巨大的经济损失,还可能造成人员的伤亡。如能利用对机械设备的健康诊断技术,尽早的了解其健康状况,就可以降低事故的发生率,从而使得企业能够获得较大的收益。本文通过对不同机械振动状态进行信号采集,通过提取信号频域特征,并对该特征进行主成分分析,最后利用支持向量机对各种行为信号进行识别,实现振动信号的快速、智能分析。实验结果标明,通过提取频域特征结合机器学习算法可以将采集的四个通道(CH1~CH4)、6类振动信号基本区分开。