最小二乘支持向量机构造的函数链接型神经网络在滚动轴承故障诊断中的应用

• 作者: 孙林 杨世元
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 函数链接型神经网络 最小二乘支持向量机 故障诊断 滚动轴承
• 年，卷（期）: 2010,（8）
• 页码范围: 82-87
• 页数: 6页
• 分类号: TB18
• 语种: 中文

摘要

提出一种用最小二乘支持向量机(least squares support vector machine,LS-SVM)构造函数链接犁神经网络(functional link artificial neural networks,FLANN)的滚动轴承故障诊断系统.介绍了相关原理和具体算法,并给出了滚动轴承故障诊断系统模型.首先,采用LS-SVM模型核函数代替常规FLANN模型的扩展函数,避免了扩展函数选择的任意性;其次,利用LS-SVM学习模型得到FLANN权重系数,避免了BP方法多次迭代寻优存在的耗时长、局部极小及迭代设置初值依赖经验等不足;最后,构造了多层LS-SVM-FLANN结构,对多类滚动轴承故障进行诊断.具体实验表明,用LS-SVM构造FLANN的滚动轴承故障识别系统精度高、鲁棒性好、实现简单.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙林		23	198	9.0	14.0
2	杨世元		53	456	11.0	18.0