多核的LSSVM的轴承故障诊断算法研究

发布时间：2018-02-20 19:13

  本文关键词： LSSVM 多核LSSVM 轴承故障诊断　出处：《组合机床与自动化加工技术》2017年06期 　论文类型：期刊论文

【摘要】：针对滚动轴承故障诊断中出现的多故障类型识别与诊断问题,在LSSVM和多核学习的基础上,提出了多核的LSSVM的轴承故障诊断算法。多核的LSSVM实现的关键是如何确定多核函数的每个基本核函数的权系数,采用核度量标准——核极化来解决此难题。首先,选择基本核函数及其核参数值;然后,用核极化求解基本核函数的权系数,组合多核函数;最后,创建多核的LSSVM算法模型,进行轴承故障诊断。美国西储大学的滚动轴承的实验结果表明,与5-fold SVM和LSSVM相比,多核的LSSVM算法具有更优的故障识别率,验证了所提算法的有效性。
[Abstract]:Aiming at the problem of multi-fault type identification and diagnosis in rolling bearing fault diagnosis, on the basis of LSSVM and multi-core learning, This paper presents a bearing fault diagnosis algorithm for multi-core LSSVM. The key to the realization of multi-core LSSVM is how to determine the weight coefficient of each basic kernel function of the multi-core function, and to solve the problem by using kernel metric, nuclear polarization, to solve the problem. The basic kernel function and its kernel parameter value are selected. Then, the weight coefficient of the basic kernel function is solved by kernel polarization, and the multi-kernel function is combined. Finally, the multi-kernel LSSVM algorithm model is created. The experimental results of rolling bearings at the University of Western Reserve show that compared with 5-fold SVM and LSSVM, the multi-core LSSVM algorithm has better fault identification rate, and verifies the effectiveness of the proposed algorithm.
【作者单位】： 内蒙古科技大学机械工程学院;
【基金】：国家自然科学基金项目(21366017) 内蒙古自然科学基金(2016MS0543)
【分类号】：TH133.3

【相似文献】

相关期刊论文 前10条

1 ;轴承故障诊断有了“透视镜”[J];机电设备;2001年06期

2 薛松;程珩;杨勇;;伪Wigner-Ville分布在电机轴承故障诊断中的应用[J];机械工程与自动化;2008年04期

3 赵志宏;杨绍普;;一种基于样本熵的轴承故障诊断方法[J];振动与冲击;2012年06期

4 黄晋英;潘宏侠;毕世华;杨喜旺;;基于高阶累量谱的轴承故障诊断[J];火炮发射与控制学报;2007年02期

5 陶新民;徐晶;刘兴丽;刘玉;;基于最大小波奇异谱的轴承故障诊断方法[J];振动、测试与诊断;2010年01期

6 乔世民;轴承故障诊断技术的发展[J];中国设备管理;1989年01期

7 李正安,李登啸;单片机轴承故障诊断系统[J];轴承;1992年03期

8 杨望灿;张培林;张云强;;基于邻域自适应局部保持投影的轴承故障诊断模型[J];振动与冲击;2014年01期

9 朱文来;;希尔伯特-黄变换在轴承故障诊断中的应用研究[J];科技创新导报;2013年34期

10 任国全,韦有民,郑海起;基于小波分析的轴承故障诊断研究[J];河北省科学院学报;2002年02期

相关会议论文 前10条

1 任获荣;马亚男;李胜刚;;熵随机共振在轴承故障诊断中的应用研究[A];2012年陕西省焊接学术交流会论文集[C];2012年

2 李琳;张永祥;童艳;;基于声发射和高阶谱分析的滚动轴承故障诊断[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

3 高耀智;谭援强;;基于1(1/2)谱与小波分析相结合的滚动轴承故障诊断[A];2009年全国青年摩擦学学术会议论文集[C];2009年

4 陶新民;徐晶;杜宝祥;徐勇;;基于相空间奇异谱的SOM轴承故障诊断模型[A];第二十七届中国控制会议论文集[C];2008年

5 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

6 李培玉;刘光明;郑俊;;基于多通道振动信号的港机台车车轮轴承故障诊断系统[A];第九届全国振动理论及应用学术会议论文集[C];2007年

7 李培玉;刘光明;郑俊;;基于多通道振动信号的港机台车车轮轴承故障诊断系统[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

8 沈路;周晓军;张杰;;基于形态非抽样小波与灰色关联度的滚动轴承故障诊断[A];2011年机械电子学学术会议论文集[C];2011年

9 宋浏阳;王华庆;高金吉;王峰;;基于蚁群算法的滚动轴承故障诊断[A];现代振动与噪声技术（第九卷）[C];2011年

10 张淑清;张琳;;基于RBF网络和D-S推理的轴承故障诊断[A];首届信息获取与处理学术会议论文集[C];2003年

相关重要报纸文章 前1条

1 通讯员 蔡义杰 记者 唐先武;轴承故障诊断有了“透视镜”[N];科技日报;2001年

相关博士学位论文 前1条

1 梁瑜;地铁列车轴承故障诊断及在途诊断系统研究[D];北京交通大学;2014年

相关硕士学位论文 前10条

1 吴治南;基于小波变换与PNN神经网络相结合的滚动轴承故障诊断[D];河北工程大学;2015年

2 赵江萍;滚动轴承故障诊断系统设计[D];中国计量学院;2015年

3 黄文静;基于多特征量提取和PSO优化神经网络的轴承故障诊断[D];燕山大学;2016年

4 欧阳贺龙;基于全矢谱的风电轴承故障诊断[D];郑州大学;2016年

5 张涛;机车轴承故障诊断系统的研究与设计[D];中南大学;2005年

6 黄建新;多传感器数据融合技术在轴承故障诊断中的应用研究[D];武汉理工大学;2006年

7 赵兴;基于时频维数的滚动轴承故障诊断技术应用研究[D];大连交通大学;2013年

8 卢一相;时频分析在轴承故障诊断中的应用研究[D];安徽大学;2007年

9 陈涛;低速重载轴承故障诊断的虚拟仪器研究[D];重庆大学;2005年

10 李学伟;支持向量机在嵌入式轴承故障诊断装置中的研究与实现[D];东北大学;2010年

，

本文编号：1519802