基于超球球心间距多类支持向量机的滚动轴承故障分类

被引：19

作者：

康守强 ^{[1
]}

王玉静 ^{[1
]}

姜义成 ^{[2
]}

杨广学 ^{[1
]}

宋立新 ^{[1
]}

VIMIKULOVICH ^{[3
]}

机构：

[1] 哈尔滨理工大学电气与电子工程学院

[2] 哈尔滨工业大学电子与信息工程学院

[3] 白俄罗斯国立大学

来源：

中国电机工程学报 | 2014年 / 34卷 / 14期

基金：

高等学校博士学科点专项科研基金;

关键词：

滚动轴承; 故障分类; 多类支持向量机; 超球秋心间距; 经验模态分解;

D O I：

10.13334/j.0258-8013.pcsee.2014.14.014

中图分类号：

TP181 [自动推理、机器学习]; TH133.33 [滚动轴承];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

为了降低滚动轴承故障智能分类的训练时间并提高分类精度,提出了一种滚动轴承正常、内、外环故障及不同故障严重程度的多状态分类方法。该方法首先采用峭度值结合相关系数法确定集合经验模态分解结果中包含主要状态信息的固有模态函数;再将其组成特征矩阵,利用奇异值分解所得奇异值作为特征向量;最后在采用改进分类规则的超球多类支持向量机分类时,提出由各状态超球球心间距中的最值来确定多类分类器核参数的选取范围,缩小选取区间,最终实现滚动轴承的多状态分类。实验结果表明,提出的滚动轴承多状态分类方法可以减少分类器的训练时间,提高分类精度。

引用

页码：2319 / 2325

页数：7

共 18 条

[1] 机械故障诊断基础研究“何去何从” [J].