一种改进的支持向量数据描述在故障诊断中的应用

• 作者: 周喜格 李凌均 王昆
• 来源期刊: 机械强度
• 关键词: 支持向量数据描述 故障诊断 非目标样本数据 单值分类
• 年，卷（期）: 2010,（5）
• 页码范围: 707-710
• 分类号: TH165.3|TP18
• 语种: 中文

摘要

机械设备正常运行的振动信号很容易获得,而有故障时的振动信号一般很难获得.在没有故障信号时可以仅仅依靠正常运行时的信号,利用支持向量数据描述方法(support vector data description,SVDD)建立单值分类器,从而对设备运行状态进行监测诊断.当具有一定的故障样本(非目标样本)时,既可以建立传统的二值分类器,也可以建立SVDD单值分类器.但当非目标样本较少时,传统的二分类器就很难有好的分类能力,而SVDD方法只利用了一类样本信息,对信息没有充分利用,也同样不利于提高监测诊断的准确性.文中研究一种改进的SVDD--加入非目标样本的SVDD分类方法,及其在故障诊断中的应用,该方法将实际生产中难以得到的故障信息加以利用,使信息利用更加充分,提高设备故障分类的准确性.通过对滚动轴承实验数据的分析,证明该方法可以有效提高故障诊断的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李凌均	郑州大学振动工程研究所	45	352	12.0	17.0
2	王昆	郑州大学振动工程研究所	7	53	4.0	7.0
3	周喜格	郑州大学振动工程研究所	3	23	3.0	3.0