文摘针对涡旋压缩机振动信号的非平稳性和难以获得大量实际故障样本的情况,提出一种奇异值谱和支持向量机(Support Vector Machine,SVM)的故障诊断新方法。该方法首先通过对涡旋压缩机信号进行小波包分解,构建时频系数矩阵;然后对该矩阵进行奇异值分解(Singular Value Decomposition,SVD),获得信号的奇异值谱,并计算奇异谱的分布参数作为故障识别的特征向量;最后将特征向量作为SVM的输入,实现涡旋压缩机故障类型的辨识。试验结果表明:即使在小样本情况下,该方法仍能有效识别涡旋压缩机故障类型。
