论文部分内容阅读
为更好地对滚动轴承进行状态监测和故障诊断，采集3种不同状态下的滚动轴承振动信号，根据振动信号特点提取其时域和频域的相关特征，然后分别利用SVM （支持向量机）和BP神经网络进行模式识别。不断减少每种状态下训练样本集的个数，利用2种不同的方法进行模式识别。当每种状态下的样本个数为3个时，支持向量机仍然能准确地将测试样本进行分类，而BP神经网络完全无法识别。实验结果表明，支持向量机比BP神经网络更适合于小样本的故障诊断。