CAJ | 학술논문

在线状态监控与故障诊断具有很大的经济与安全意义,提出了一种基于独立特征选择(IFS)与相关向量机(RVM)的智能故障诊断模型用于变载荷条件下识别多类轴承故障及其故障程度.首先混合空载(0hp)与满载(3hp)两种载荷状态下的实验数据作为训练样本；其次提取时域统计特征与全小波包域节点能量特征作为候选特征；接着采用一种改进的Fisher特征选择方法为每两类故障状态独立选择具有最大分类能力的最优特征子集；然后用“一对一”的方法训练多个RVM二类子分类器；最后采用“最大概率赢”的策略组合所有子分类器构成IFS_RVM多类故障诊断模型.用未知载荷( 1hp,2hp)下的实验数据验证了模型的有效性,得到99.58％的极高诊断精度,实验结果表明,该模型精度高、鲁棒性强,满足变载荷条件下在线故障诊断的需要.
재선상태감공여고장진단구유흔대적경제여안전의의,제출료일충기우독립특정선택(IFS)여상관향량궤(RVM)적지능고장진단모형용우변재하조건하식별다류축승고장급기고장정도.수선혼합공재(0hp)여만재(3hp)량충재하상태하적실험수거작위훈련양본；기차제취시역통계특정여전소파포역절점능량특정작위후선특정；접착채용일충개진적Fisher특정선택방법위매량류고장상태독립선택구유최대분류능력적최우특정자집；연후용“일대일”적방법훈련다개RVM이류자분류기；최후채용“최대개솔영”적책략조합소유자분류기구성IFS_RVM다류고장진단모형.용미지재하( 1hp,2hp)하적실험수거험증료모형적유효성,득도99.58％적겁고진단정도,실험결과표명,해모형정도고、로봉성강,만족변재하조건하재선고장진단적수요.