基于支持向量机的机械故障特征选择方法研究

• 作者: 刘冠军 王新峰 邱静
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 特征选择 分组轮换法(Cross-Validation) 支持向量机(SVM) 半径-间距上界 遗传算法
• 年，卷（期）: 2005,（9）
• 页码范围: 1122-1125
• 页数: 4页
• 分类号: TH133|TP391
• 字数: 4003字
• 语种: 中文
• DOI: 10.3321/j.issn:1003-8728.2005.09.030

摘要

在机械故障诊断中,对机器状态信号进行处理可得到故障特征集.但是此特征集中通常含有冗余特征而影响诊断效果.特征选择可以去除原始特征中的冗余特征,提高诊断精度和诊断效率.本文提出采用支持向量机(SVM)作为决策分类器,研究了使用SVM的错误上界如半径-间距上界代替学习错误率作为特征性能评价,并且使用遗传算法对特征集进行寻优的特征选择方法.此方法由于只需要训练一次SVM,相比常用的分组轮换方法有较高的计算效率.数值仿真和减速器的轴承故障特征选择试验中,采用此方法对生成特征集进行选择,并与常用的分组轮换法进行了对比.结果显示此方法有较好的选择性能和选择效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱静	国防科技大学机电工程与自动化学院	115	1406	22.0	30.0
2	刘冠军	国防科技大学机电工程与自动化学院	88	860	18.0	23.0
3	王新峰	国防科技大学机电工程与自动化学院	13	160	8.0	12.0