| 自适应多分类相关向量机的滚动轴承故障识别 |
| |
| 引用本文： | 王波,王志乐,张青,张健康,熊鑫州.自适应多分类相关向量机的滚动轴承故障识别[J].机械科学与技术(西安),2019,38(10):1535-1541. |
| |
| 作者姓名： | 王波 王志乐 张青 张健康 熊鑫州 |
| |
| 作者单位： | 滁州学院机械与电气工程学院,安徽滁州,239000;滁州学院机械与电气工程学院,安徽滁州,239000;滁州学院机械与电气工程学院,安徽滁州,239000;滁州学院机械与电气工程学院,安徽滁州,239000;滁州学院机械与电气工程学院,安徽滁州,239000 |
| |
| 基金项目： | 国家自然科学基金;安徽省高等学校自然科学研究重点项目;科研启动基金 |
| |
| 摘 要： | 提出了一种基于自适应相关向量机(Adaptive multiclass relevance vector machines, A-MRVM)的滚动轴承故障识别方法,该方法利用遗传算法对多分类相关向量机核函数参数进行优化,依据故障样本自身特性自适应地选取最优核参数,克服核参数人为选取的不确定性,从而构建基于自适应多分类相关向量机的故障识别模型。将该故障识别模型应用于滚动轴承故障识别中,分别提取滚动轴承振动信号小波包能量及EEMD(Ensemble empirical mode decomposition)能量作为故障特征进行故障识别,并与其它方法进行实验对比研究。实验结果表明,所提方法不仅能有效识别出故障类型,且具有较高的故障识别模型构建效率,验证了所提方法的可行性及优越性。同时,该方法也能对故障类型发生的可能性进行评估,为分析滚动轴承故障类型提供更多的参考信息。
|
| 关 键 词： | 故障识别 滚动轴承 多分类相关向量机 自适应 遗传算法 |
Adaptive Multiclass Relevance Vector Machines and its Application to Fault Recognition of Rolling Bearing |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
