利用SVM和相关山形聚类分析识别滚动轴承状态

• 作者: 丁夏完 丁福焰 刘金朝 王成国
• 来源期刊: 轴承
• 学科: 工学
• 关键词: 滚动轴承 故障 诊断 状态识别 支持向量机 主成分分析 相关山形聚类分析
• 年，卷（期）: 2006,（6）
• 所属期刊栏目: 测量与仪器
• 页码范围: 29-32
• 页数: 4页
• 分类号: TH133.33|O242
• 字数: 2923字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3762.2006.06.011

摘要

状态识别是机械设备故障诊断的关键环节.提出了一种结合支持向量机、主成分分析及相关山形聚类分析的滚动轴承状态识别方法.首先利用支持向量机对轴承特征参数进行分类,辨别是否异常;再利用主成分分析得到独立的、包含原参数主要信息的主成分;最后对这些主成分作聚类分析,达到诊断故障部位的目的.实例分析的结果表明,该方法可以有效地识别轴承状态,正确率达到96%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王成国		53	1495	15.0	38.0
2	丁夏完	中央民族大学数学与计算机科学学院	5	137	4.0	5.0
3	刘金朝		59	498	13.0	19.0
4	丁福焰		11	44	4.0	6.0