小波支持向量机多分类器在轴承性能退化评估中的应用

• 作者: 朱义 赵发刚 郭磊 陈进
• 来源期刊: 机械强度
• 关键词: 支持向量机 小波核函数 性能退化评估 轴承
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 振动·噪声·监测·诊断
• 页码范围: 702-706
• 页数: 5页
• 分类号: TH133.3|TP206.3
• 语种: 中文
• DOI: 10.3321/j.issn:1001-9669.2009.05.002

摘要

为了准确地对轴承性能退化过程数据进行评估,将Mexican hat小波函数引入支持向量机多分类器中,提出一种小波支持向量机多分类器.并基于平移不变核函数条件,给出该小波函数为容许核函数的证明.根据"一对多"算法建立支持向量机多分类器.通过对内圈故障和滚动体故障的轴承性能恶化过程中数据的分析,表明小波支持向量机具有比BP(back propagation)神经网络、RBF(radial basis function)核函数支持向量机更高的分类正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈进	上海交通大学机械系统与振动国家重点实验室	109	1353	21.0	33.0
2	郭磊	上海交通大学机械系统与振动国家重点实验室	24	307	11.0	16.0
3	朱义	上海交通大学机械系统与振动国家重点实验室	5	21	3.0	4.0
4	赵发刚	上海交通大学机械系统与振动国家重点实验室	6	71	4.0	6.0