上海电机学院学报
上海電機學院學報
상해전궤학원학보
Journal of Shanghai Dianji University
2015年
4期
221-226,248
,共7页
核主元分析%支持向量机%齿轮%特征提取
覈主元分析%支持嚮量機%齒輪%特徵提取
핵주원분석%지지향량궤%치륜%특정제취
提出了基于核主元分析(KPCA)和支持向量机(SVM)相结合的齿轮箱齿轮故障识别方法.采用振动信号初始特征空间的内积核函数,将初始特征空间中的非线性问题转换成高维特征空间中的线性问题.通过主元分析对映射到高维空间中的数据信息进行处理,得到初始特征的非线性主元,实现对高维特征参数进行降维.再结合SVM良好的分类能力,结果表明,KPCA和SVM相结合的分类性能在齿轮箱故障诊断方面有更好的效果.
提齣瞭基于覈主元分析(KPCA)和支持嚮量機(SVM)相結閤的齒輪箱齒輪故障識彆方法.採用振動信號初始特徵空間的內積覈函數,將初始特徵空間中的非線性問題轉換成高維特徵空間中的線性問題.通過主元分析對映射到高維空間中的數據信息進行處理,得到初始特徵的非線性主元,實現對高維特徵參數進行降維.再結閤SVM良好的分類能力,結果錶明,KPCA和SVM相結閤的分類性能在齒輪箱故障診斷方麵有更好的效果.
제출료기우핵주원분석(KPCA)화지지향량궤(SVM)상결합적치륜상치륜고장식별방법.채용진동신호초시특정공간적내적핵함수,장초시특정공간중적비선성문제전환성고유특정공간중적선성문제.통과주원분석대영사도고유공간중적수거신식진행처리,득도초시특정적비선성주원,실현대고유특정삼수진행강유.재결합SVM량호적분류능력,결과표명,KPCA화SVM상결합적분류성능재치륜상고장진단방면유경호적효과.
