利用GS优化SM-SVM的滚动轴承故障诊断方法研究
来源期刊:机械设计与制造2020年第6期
论文作者:周超 曹春平 孙宇
文章页码:16 - 19
关键词:故障诊断;滚动轴承;模式识别;SM-SVM;GS;
摘 要:针对滚动轴承常见故障,提出利用网格搜索(GS)优化序列最小支持向量机(SM-SVM)的故障诊断方法。首先,对提取的滚动轴承振动信号进行预处理,并对其分别提取峭度指标、偏度系数、方均根值等时域统计量和小波包分解节点能量等特征,并对特征向量进行归一化和PCA降维处理。其次,利用GS算法对SM-SVM的核函数参数和惩罚因子进行优化,以提高滚动轴承故障模式识别的正确率。最后,利用MATLAB LIBSVM工具箱对滚动轴承不同故障进行模式识别,并将本方法与SM-SVM和LS-SVM方法进行了比较。结果发现,改进方法的模式识别正确率比原方法的高出5%。
周超,曹春平,孙宇
南京理工大学机械工程学院
摘 要:针对滚动轴承常见故障,提出利用网格搜索(GS)优化序列最小支持向量机(SM-SVM)的故障诊断方法。首先,对提取的滚动轴承振动信号进行预处理,并对其分别提取峭度指标、偏度系数、方均根值等时域统计量和小波包分解节点能量等特征,并对特征向量进行归一化和PCA降维处理。其次,利用GS算法对SM-SVM的核函数参数和惩罚因子进行优化,以提高滚动轴承故障模式识别的正确率。最后,利用MATLAB LIBSVM工具箱对滚动轴承不同故障进行模式识别,并将本方法与SM-SVM和LS-SVM方法进行了比较。结果发现,改进方法的模式识别正确率比原方法的高出5%。
关键词:故障诊断;滚动轴承;模式识别;SM-SVM;GS;