论文部分内容阅读
目前在轴承故障诊断方面通常都会存在很多复杂而且无固定特征的数据等待处理,显然处理这些数据就是诊断轴承故障的关键。利用小波包对滚动轴承的振动信号进行分解和重构,计算各子频带能量并进行归一化作为特征向量。将核函数和超限学习机相结合,用来处理轴承的故障特征数据。与传统的故障诊断方法相比较,将核函数与超限学习机相结合的方法能快速诊断出轴承故障,且诊断结果稳定可靠。