论文部分内容阅读
为了提高稀缺的滚动轴承故障样本的利用价值，以及针对支持向量机对噪声敏感的特点，提出了基于小波阈值去噪和SVM的轴承运行状态识别的新方法。对现有故障轴承振动信号样本进行小波阈值去噪，得到相应的去噪后样本。在此基础上结合SVM的参数寻优进行SVM模型的初步建立，并将错分样本重新去噪后进行SVM模型的重建，直到惩罚因子和交叉验证的精度达到预定标准，从而实现最优模型的建立以及轴承状态的识别。但是传统的软硬阈值函数各自存在的不足制约了信号去噪和特征提取的效果，并且无法实现去噪处理的可调性，因此，首先提出了一种改进的