基于多特征提取与IPSO_LSSVM的故障诊断

• 作者: 付伟 何攀 刘才学 周新志 宁芊 艾琼
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 故障诊断 特征降维 核主元分析 粒子群算法 最小二乘支持向量机
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 控制与检测
• 页码范围: 38-42
• 页数: 5页
• 分类号: TH165+.3|TG506
• 字数: 4391字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2018.12.010

摘要

针对滚动轴承运行过程中故障难以识别的问题,提出一种多特征提取与改进粒子群算法(im-proved particle swarm optimization,简称IPSO)优化最小二乘支持向量机的诊断方法.首先用小波包变换对振动信号消噪、分解,提取频域特征;然后结合时域特征等参数,用核主元分析法对多维特征空间进行优选和降维,获得典型故障的敏感信号;最后用改进的粒子群优化最小二乘支持向量机的核参数和惩罚因子解决在寻优中陷入边缘局部最优、收敛精度差的问题,提升故障诊断的识别率.实验结果表明:该方法有效提取故障特征,提高了故障识别的准确率和实时性,是一种可靠的轴承故障诊断方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘才学		37	116	7.0	9.0
2	周新志	四川大学电子信息学院	149	837	14.0	22.0
3	宁芊	四川大学电子信息学院	60	414	10.0	18.0
4	付伟	四川大学电子信息学院	8	132	4.0	8.0
5	何攀		20	41	4.0	5.0
6	艾琼		9	14	3.0	3.0