机械设计与制造
機械設計與製造
궤계설계여제조
MACHINERY DESIGN & MANUFACTURE
2012年
9期
99-101
,共3页
轴承%故障诊断%支持向量机%核主成分分析%蚁群算法
軸承%故障診斷%支持嚮量機%覈主成分分析%蟻群算法
축승%고장진단%지지향량궤%핵주성분분석%의군산법
针对轴承故障诊断中支持向量机(SVM)模型结构自适应性差,导致SVM检测效率不高的问题,提出了基于核主成分分析(KPCA)和蚁群优化支持向量机(PSO-SVM)的轴承故障检测方法.该方法不仅能够利用KPCA选择轴承故障数据重要的非线性特征,确定最佳特征变量数,同时还应用PSO优化SVM训练过程,从而获得结构参数合理且泛化能力良好的轴承故障诊断模型.通过轴承故障实验数据来检验模型,结果表明了所提方法检测性能高于目前常采用的PCA-SVM、KPCA-SVM以及SVM等方法,从而为SVM更好应用于轴承故障诊断提供技术支持.
針對軸承故障診斷中支持嚮量機(SVM)模型結構自適應性差,導緻SVM檢測效率不高的問題,提齣瞭基于覈主成分分析(KPCA)和蟻群優化支持嚮量機(PSO-SVM)的軸承故障檢測方法.該方法不僅能夠利用KPCA選擇軸承故障數據重要的非線性特徵,確定最佳特徵變量數,同時還應用PSO優化SVM訓練過程,從而穫得結構參數閤理且汎化能力良好的軸承故障診斷模型.通過軸承故障實驗數據來檢驗模型,結果錶明瞭所提方法檢測性能高于目前常採用的PCA-SVM、KPCA-SVM以及SVM等方法,從而為SVM更好應用于軸承故障診斷提供技術支持.
침대축승고장진단중지지향량궤(SVM)모형결구자괄응성차,도치SVM검측효솔불고적문제,제출료기우핵주성분분석(KPCA)화의군우화지지향량궤(PSO-SVM)적축승고장검측방법.해방법불부능구이용KPCA선택축승고장수거중요적비선성특정,학정최가특정변량수,동시환응용PSO우화SVM훈련과정,종이획득결구삼수합리차범화능력량호적축승고장진단모형.통과축승고장실험수거래검험모형,결과표명료소제방법검측성능고우목전상채용적PCA-SVM、KPCA-SVM이급SVM등방법,종이위SVM경호응용우축승고장진단제공기술지지.