基于NGA优化SVM的滚动轴承故障诊断 .pdfVIP

学兔兔 第 34卷 第 12期 仪 器 仪 表 学 报 Vo1．34 No．12 2013年 12月 ChineseJoumal Instrument Scientific of Dee．2013 基 于 NGA优 化 SVM 的滚 动 轴承 故 障诊 断 蒋永华 ，程光 明 ，阚君 武 ，宣仲 义 ，马继杰 ，张忠华 (浙江师 范大学精 密机 械研究所 金华 321004) 摘 要 ：支持 向量机 (SVM)的分类性能受样本 的特征 以及 SVM本身参数 的选择影 响较大 。针对 这种情况 ，基于 Shannon能量 熵 、SVM和小 生境 遗传 算法(NGA)，提 了一种 基于 NGA优化 SVM的滚动轴承故 障诊断方法 。该方 法采用容错 性强 的 Shan— non能量 熵作为特征参数 ，对信 号进行 EMD分解提取 出前 3个 IMF分量作为特征信号 ，分别计算其 Shannon能量熵作为特征 向 量得到样本集 ，作为多类别 SVM的输入 。在用样本训练 SVM时 ，构造一种新 的核 函数 ，并采用 NGA对 SVM的核 函数参数进行 全局优化 ，使SVM获得最佳的分类性能 ，提高 其分类识别的正确率 。最后 采用凯斯西储 大学 的滚 动轴承故 障样本进行 了分类 识别 ，并与其他 几种方法进行 了对比 ，结果表 明该方法具有更好 的可靠性 和分类 准确 率。 关键词 ：故障诊 断 ；小生境遗传算法 (NGA)；支持 向量机 (SVM)；Shannon能量熵 中图分类号 ：TH165．3 TN911．2 文献标识码 ：A 国家标 准学 科分 类代 码 ：510．40 Rolling bearing fault diagnosis based on NGA optimized SVM Jiang Yonghua，Cheng Jiang Guangming，Kan Junwu，Xuan Zhongyi，MaJijie，Zhang Zhonghua (Institute of Precision Machinery，Zhejiang321004，China) Normal Precision University，Jinhua of (Institute Abstract：Aiming at the fact that the classification performance of support vector machine(SVM)highly vector support of performance depends on classification the that Abstract：Aimingfact the at the sample feature