基于类间可分性度量和SVM的多故障分类算法

• 作者: 张晓平 李敏 杨洁明
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 支持向量机 类间可分性 故障分类器 滚动轴承
• 年，卷（期）: 2009,（1）
• 页码范围: 83-85
• 页数: 3页
• 分类号: TP301
• 字数: 2467字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-6801.2009.01.019

摘要

由于基于支持向量机(Support Vector Mechine,简称SVM)的多类分类算法的分类器结构对故障分类效果有直接影响,首先提出一种在高维特征空间基于核函数的J<,b>*/J<,w>*类间可分性度量准则,然后根据可分性度量结果用min-max原则来构造支持向量机分类器结构.通过对滚动轴承4类故障测试样本的分类试验结果表明,采用该方法构建的分类器其分类效果明显优于任意确定的二叉树结构分类器,有更高的故障识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨洁明	太原理工大学机械电子工程研究所	87	728	14.0	23.0
2	张晓平	太原理工大学机械电子工程研究所	3	27	3.0	3.0