典型文献
基于PSO-SVM及时序环节的数控刀架故障诊断方法
文献摘要：
提出了一种基于粒子群-支持向量机(PSO-SVM)及时序环节的数控刀架故障诊断方法.首先,将数控刀架划分为5个子系统,并将一个工作周期划分为4个时序环节(T1、T2、T3、T4);其次,探索了数控刀架不同时序环节振动、电机电流、油压以及接近开关等信号的特征提取方法;最后,提出了基于PSO-SVM的数控刀架故障诊断方法,并开展了不同时序环节的数控刀架故障试验.根据故障数据对支持向量机(SVM)和PSO-SVM两种故障诊断方法进行了对比验证.结果 表明:时序环节T2、T3和T4的故障诊断准确率分别提高了28％、23％和5％,验证了该故障诊断方法的有效性.本文方法不仅适用于数控刀架,还为其他复杂机电系统的故障诊断研究提供了一个新思路.
文献关键词：
数控刀架;支持向量机;粒子群算法;时序环节;故障诊断
中图分类号：
作者姓名：
罗巍;卢博;陈菲;马腾
作者机构：
吉林大学数控装备可靠性教育部重点实验室,长春130022;吉林大学机械与航空航天工程学院,长春130022;长春设备工艺研究所,长春130012;深圳技术大学中德智能制造学院,深圳518118
文献出处：
引用格式：
[1]罗巍;卢博;陈菲;马腾-.基于PSO-SVM及时序环节的数控刀架故障诊断方法)[J].吉林大学学报（工学版）,2022(02):392-399
A类：
时序环节,数控刀架
B类：
PSO,故障诊断方法,工作周期,周期划分,T4,电机电流,油压,接近开关,信号的特征提取,故障数据,对比验证,故障诊断准确率,还为,复杂机电系统,诊断研究,粒子群算法
AB值：
0.151644
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
