基于大间隔 K 近邻分类器与声信号的斜齿轮箱故障诊断
机器学习
2015-08-20 v1
摘要
齿轮传动是许多机械中使用最广泛的传动系统之一。旋转机械的声信号包含有关其健康状况的动态信息。文献中鲜有报道声信号在故障诊断应用中的适用性。大多数文献基于 FFT（快速傅里叶变换）分析，且在处理来自齿轮等非平稳信号时存在固有的局限性。本文尝试通过机器学习方法，利用从良好状态和模拟故障状态下的齿轮采集的声信号进行故障诊断。从采集的声信号中提取描述性统计特征，并使用 J48 决策树技术选择主要特征。随后，使用大间隔 K 近邻方法利用所选特征进行分类。本文还讨论了各种参数对分类精度的影响。
引用
@article{arxiv.1508.04734,
title = {Fault Diagnosis of Helical Gear Box using Large Margin K-Nearest Neighbors Classifier using Sound Signals},
author = {M. Amarnath and S. Arunav and Hemantha Kumar and V. Sugumaran and G. S Raghvendra},
journal= {arXiv preprint arXiv:1508.04734},
year = {2015}
}
备注
Accepted for publication