基于网格搜索与支持向量机的轴承故障诊断

摘要：

针对轴承故障诊断问题,提出一种基于相关度分析与网格搜索算法(GS)优化支持向量机(SVM)的轴承故障诊断方法.采用GS算法对SVM的惩罚参数c和核函数参数g进行寻优,以此建立分类器用于识别轴承故障类型.在模型建立方面巧妙地加入了分层的思想,通过相关度分析之后采用多层GS-SVM模型使轴承的故障诊断准确率相对于近年来的研究得到了明显的提升.最后,采用凯斯西储大学轴承数据中心的滚动轴承故障数据进行了分类识别实验.实验表明,研究提出的轴承故障诊断方法在直接作用于原信号的基础上不仅能够有效的识别轴承正常状态、内圈故障、外圈故障以及滚珠故障,而且还对每一类故障的严重程度有很好的区分,提高了故障类样本的诊断正确率,具有较强的实用性.

关键词：轴承、故障诊断、支持向量机、网格搜索

所属期刊栏目：21

分类号：TH17

资助基金：国家自然科学基金;山西省研究生教育创新项目;山西省自然科学基金;山西省回国留学人员科研项目;山西省重点研发计划项目;中北大学2017年度科研基金

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：9360-9364