웨이브렛 서포트 벡터 머신, 최소 제곱 서포트 벡터 머신 및 웨이브렛 패킷 변환을 이용한 기어박스의 고장 진단

본 연구는 웨이브렛 패킷과 두 개의 서포트 벡터 머신 모델을 이용하여 기어박스의 고장을 실험적으로 인식하는 방법에 초점을 맞춥니다. 두 가지 웨이브렛 선택 기준이 사용됩니다. 진동 신호의 웨이브렛 패킷 계수의 일부 통계적 특성이 선택됩니다. 웨이브렛의 최적 분해 수준은 최대 에너지 대 샤논 엔트로피 비율 기준에 따라 선택됩니다. 이 외에도 웨이브렛 계수의 에너지와 샤논 엔트로피가 분류기의 입력으로 다른 통계적 매개변수와 함께 두 개의 새로운 특성으로 사용됩니다. 결국, 기어박스의 고장은 이러한 통계적 특성을 사용하여 최소 제곱 서포트 벡터 머신(LSSVM)과 웨이브렛 서포트 벡터 머신(WSVM)에 대한 입력으로 분류됩니다. 기어박스의 다중 분류를 위한 세 가지 전략과 함께 일부 커널 함수 및 다중 커널 함수가 새로운 방법으로 사용됩니다. 고장 분류의 결과는 WSVM이 LSSVM에 비해 기어박스의 고장 범주를 더 정확하게 식별하고 진단 성능이 더 우수함을 보여줍니다.