基于LMD形态滤波的LS-SVM方法研究

摘要：

在轴承的故障诊断中,为了解决核函数在最小二乘支持向量机中参数选择困难及稀疏性差的问题,提出了局部均值分解(LMD)形态滤波的最小二乘支持向量机(LS-SVM)方法.该方法首先利用LMD对信号进行分解得到PF分量,并对信号做相关分析去除虚假分量,形态滤波降噪后再进行LMD分解得到新PF分量,提取能量特征;其次,对LS-SVM的核函数进行改进,解决核参数选择的问题;应用特征加权法对拉格朗日参数进行特征加权,取其加权平均值作为剪枝方法的阈值,降低稀疏性;最后将能量特征信号输入LS-SVM中,对信息进行训练预测.实验表明,应用该方法能快速有效地对轴承故障信号进行自适应的分类及轴承故障的判断.

关键词：局部均值分解、形态滤波、剪枝方法、最小二乘支持向量机、故障诊断

所属期刊栏目：27

分类号：TH707(仪器、仪表)

资助基金：山东省自然科学基金ZR2021ME221

在线出版日期：2022-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：92-99