ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
中国知网全文收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
【摘要】针对工业中的设备故障诊断问题，本文通过对主成分分析（ＰＣＡ）和对支持向量机（ＳＶＭ）的基本原理剖析，研究了一种故障诊断框架。 在该框架中，ＰＣＡ 用于从振动信号中提取有效特征并进行降维，而 ＳＶＭ 则通过分类算法对降维后的特征进行故障模式的识别与分类。 为了验证所提方法的有效性，本文采用轴承数据集在 Ｍａｔｌａｂ 平台上进行了实验。 结果表明：该方法在故障诊断任务中具有较高的准确性和鲁棒性，为工业设备的故障诊断提供了一种有效的解决方案，具有较好的实际应用前景。
