滚动轴承故障小波核函数SVM分类识别研究.pdfVIP

学兔兔 l l 匐 化 滚动 轴承 故障小波核 函数SVM分类识别研究 Research on rolling bearing faultwavelet kernel function SVM cIassi们cation and recognition 周厚金，楼军伟 ，胡赤兵 ZHOUHou-jin。，LOU Jun．wei ，HUChi—binq (1．兰州理工大学 高新技术成果转化 中心 ，兰州 730050；2．兰州理工大学 机电工程学院 ，兰州 730050) 摘 要 ：支持向量机(Support Vector Machine，简称SVM)是通过核函数来分类识~lJTF线性样本的 ， 为 了提高SVM的分类识别 精度 ，基于 平移不变核函 数条件 ，构造 和证明 了墨西哥草帽小波 核 函数SVM。实验中采集了轴承正常和???圈、外圈、滚动体点蚀的故障数据 ，利用总体平均经 验模态分解(Ensemble Mode Empirical Decomposition，简称EEMD)和样本熵提取了故障特 征信息，将EEMD样本熵作为小波核函数SVM的特征向量进行故障分类识别，并与径向基核函 数SVM的分类识别结果进行 比较 ，比较结果表 明小波核函数SVM的分类识别准确性更 高。 关键词 ：滚动轴承 ；EEMD；样本熵 ；SVM；小波核 函数 ；分类识别 中图分类号 ：TH133．33；TP206+．3文献标识码 ：A 文章编号 ：1 009 Doi：10．3969／J．issn．1 009-0134．201 4．05(下)．14 0 引言 将 小 波 基 函数 构 造 成 SVM核 函数 ，研 究 小 波 核 函 对 于 非 线 性 样 本 ，在 提 取 了能 反 映 故 障 信 息 数 SVM的 分 类识 别 性 能 ，并 与传 统 的 径 向基 核 函 的 特 征 向 量 后 关 键 是 如何 根 据 这 些特 征 向量 设 计 数 SVM作 比较 ， 比较 结 果表 明小 波核 函数 SVM对 合 理 的分 类 器 进行 故障 分 类识 别Ⅲ。神 经 网络 作为 滚 动轴 承故 障 的分 类 识别 准确性 更高 。 一 种 无 判 别 函数 的 、 自适 应 的 模 式识 别技 术 ，能 够 充 分 利 用 故 障 样 本 信 息进 行 训 练和 识 别 ，在 机 1 数据采集和 降噪 械故障诊断领域得到了广泛的应用 】：PayaA利 实 验 所需 数 据 是在 图 1所示 的实 验平