找到 1 条结果
基于独立训练支持向量机与核判别特征分析的低速轴承可靠故障诊断
Reliable Fault Diagnosis for Low-Speed Bearings Using Individually Trained Support Vector Machines With Kernel Discriminative Feature Analysis
Myeongsu Kang · Jaeyoung Kim · Jong-Myon Kim · Andy C. C. Tan 等6人 · IEEE Transactions on Power Electronics · 2015年5月
本文提出了一种针对低速轴承的高可靠性故障诊断方法。首先利用小波变换提取反映多种低速轴承缺陷的故障特征，随后通过基于遗传算法的核判别特征分析进行特征筛选，并结合一对多支持向量机实现故障分类，有效提升了诊断准确性。
解读: 该技术主要针对旋转机械的轴承故障诊断，对阳光电源的风电变流器业务具有参考价值。风电变流器作为风力发电机组的核心部件，其可靠性至关重要，而风机传动链中的低速轴承是常见故障点。通过引入该文提出的基于机器学习的故障诊断算法，可优化iSolarCloud智能运维平台的预测性维护功能，实现对风电变流器及配套传...