|
|||||
|
|
| 多核LSSVM算法在轴承故障识别中的应用 | |
| 引用本文： | 刘文婧,陈肖洁.多核LSSVM算法在轴承故障识别中的应用[J].机械设计与制造,2018(2):249-252. |
| 作者姓名： | 刘文婧 陈肖洁 |
| 作者单位： | 内蒙古科技大学机械工程学院; |
| 基金项目： | 国家自然科学基金项目(21366017);内蒙古科技大学科研启动项目(2014QDL024);内蒙古自然科学基金(2016MS0543) |
| 摘 要： | 针对最小二乘支持向量机(LSSVM)实现过程中盲目选择核函数的现象,提出了一种基于核极化的多核LSSVM与EMD相结合的滚动轴承故障识别算法。首先,对滚动轴承振动信号进行EMD信号提取,进而提取故障特征向量;然后,根据多核构造原理,引入核极化确定基本核函数的组合权系数,构造多核函数;最后,结合多核函数与LSSVM,形成多核LSSVM学习器,进行故障识别。分析滚动轴承正常状态、内圈故障、外圈故障和滚动体故障的诊断实验结果,可知,EMD与多核LSSVM的故障识别算法可以准确地判断滚动轴承的工作状态和故障类型,并与SVM、LSSVM算法的诊断结果进行对照,表明所提算法的故障识别率更高。 |
| 关 键 词： | EMD LSSVM 核极化 多核学习 多分类 滚动轴承 故障识别 |
Fault Identification Application of Rolling Bearing Based on LSSVM with Multiple Kernels |
|
| Abstract: | |
| Keywords: | EMD LSSVM Multiple Kernel Learning Kernel Polarization Rolling Bearing Fault Diagnosis |
| 本文献已被 CNKI 维普 等数据库收录！ | |