基于粒子群优化核主元分析的轴承状态识别

• 作者: 刘博文 李雪萌 江炜文 谢三毛 谢锋云 陈红年
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 粒子群优化算法 核主元分析 特征提取 状态识别
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 技术热点——先进算法与人工智能
• 页码范围: 28-31,35
• 页数: 5页
• 分类号: TH165.3|TP18
• 字数: 3852字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-8829.2018.03.007

摘要

轴承状态识别的准确率与特征提取紧密相关,而特征提取对轴承状态识别显得尤为重要.因时频域的各个特征对不同程度的故障信号敏感度各不相同,特征提取不当将会造成状态识别准确率下降.针对上述问题提出粒子群优化(PSO)核主元分析(KPCA),并利用该方法对轴承的复合特征集进行特征提取,提取后的特征向量构成识别特征集,由优化的支持向量机识别分类.选用美国凯斯西储大学滚动轴承试验台的振动数据进行处理分析,通过3种实验方案进行验证.结果表明,提出的方法明显改善了轴承状态识别的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢三毛	华东交通大学机电与车辆工程学院	23	91	5.0	8.0
2	谢锋云	华东交通大学机电与车辆工程学院	35	96	5.0	7.0
3	江炜文	华东交通大学机电与车辆工程学院	5	15	3.0	3.0
4	陈红年	华东交通大学机电与车辆工程学院	5	12	2.0	3.0
5	李雪萌	华东交通大学机电与车辆工程学院	4	11	2.0	3.0
6	刘博文	华东交通大学机电与车辆工程学院	3	10	2.0	3.0