机械设计与制造2020，Issue(6) ：16-19.

利用GS优化SM-SVM的滚动轴承故障诊断方法研究

Research on Rolling Bearing Fault Diagnosis Method Based on GS Optimized SM-SVM

周超 曹春平 孙宇
机械设计与制造2020，Issue(6) ：16-19.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

利用GS优化SM-SVM的滚动轴承故障诊断方法研究

Research on Rolling Bearing Fault Diagnosis Method Based on GS Optimized SM-SVM

周超 1曹春平 1孙宇1
扫码查看

作者信息

  • 1. 南京理工大学机械工程学院,江苏 南京 210094
  • 折叠

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％.

关键词

故障诊断/滚动轴承/模式识别/SM-SVM/GS

引用本文复制引用

基金项目

江苏省重点研发计划—产业前瞻工艺性关键技术(BE2015011-3)

出版年

2020
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
被引量8
参考文献量8
段落导航相关论文