小波SVM核函数法在滚动轴承故障诊断中的应用.pdfVIP

学兔兔 !兰 二 2 轴承 2013年l2期 51—54 CN41—1148／TH Bearing 2013，No．12 小波SVM核函数法在滚动轴承故障诊断中 的应用 高朋飞 ，许同乐 ，侯蒙蒙 ，郎学政 ，李磊 (1．山东理工大学 机械工程学院，山东 淄博 255049；2．山东信远集团有限公司，山东 莱阳 265200) 摘要：针对现有SVM核函数中参数选择存在盲目性的问题，提出了一种基于样本输入选择核参数的方法，并将 新核函数与小波分析相结合，对滚动轴承进行故障诊断。首先，用小波降噪和分解提取出相应的小波尺度一能 量谱，选取具有代表性的尺度谱作为输入样本，建立故障特征向量集；然后，应用新核函数进行训练，并利用交 叉验证方法对参数进行优化，得到分类器的最佳模型；最后，利用该模型对未知故障轴承特征进行识别训练，进 行故障诊断。与经过径向基核函数训练得到的模型比较发现，新模型具有更高的准确率，而且新核函数的参数 仅依赖于输入样本，可以实现自适应调整。 关键词：滚动轴承；故障诊断；小波分析；能量谱；SVM；核函数 中图分类号：TH133．33；TP274 文献标志码：B 文章编号：1000—3762(2013)12—0051—04 Application of Wavelet SVM Kernel Function Method in Fault Diagnosis for Rolling Bearings Gao Peng—fei ，Xu Tong—le ，Hou Meng—meng ，Lang Xue—zheng。Li Lei ， (1．School of Mechanical Engineering，Shandong University of Technology，Zibo 255049，China； 2．Shandong Xinyuan Group Co．，Ltd．，Laiyang 265200，China) Abstract：Aiming at the blindness of selection for parameters in SVM kernel function，a method is proposed to select kernel parameters based on sample input．The combination of the new kernel function and wavelet analysis is applied in faults diagnosis for rolling bearings．Firstly，the corresponding wavelet scale—power spectrum is extracted by using wavelet denoising and decomposition，then the typical seMe spectrum is selected as input sample，and a fault feature vector set is established．Secondly，the fault feature vector is trained by new kernel function，the cross validation meth— od is used to optimize parameters，and the best classifier model is ob