利用GS优化SM-SVM的滚动轴承故障诊断方法研究

• 作者: 周超 孙宇 曹春平
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 故障诊断 滚动轴承 模式识别 SM-SVM GS
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 理论与方法研究
• 页码范围: 16-19
• 页数: 4页
• 分类号: TH16|TP206.3|TH133.3
• 字数: 3249字
• 语种: 中文

摘要

针对滚动轴承常见故障,提出利用网格搜索(GS)优化序列最小支持向量机(SM-SVM)的故障诊断方法.首先,对提取的滚动轴承振动信号进行预处理,并对其分别提取峭度指标、偏度系数、方均根值等时域统计量和小波包分解节点能量等特征,并对特征向量进行归一化和PCA降维处理.其次,利用GS算法对SM-SVM的核函数参数和惩罚因子进行优化,以提高滚动轴承故障模式识别的正确率.最后,利用MATLAB LIBSVM工具箱对滚动轴承不同故障进行模式识别,并将本方法与SM-SVM和LS-SVM方法进行了比较.结果发现,改进方法的模式识别正确率比原方法的高出5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙宇	南京理工大学机械工程学院	156	1394	18.0	28.0
2	周超	南京理工大学机械工程学院	14	63	5.0	7.0
3	曹春平	南京理工大学机械工程学院	22	228	10.0	15.0