应用自适应Morlet小波和NGA优化SVM的轴承故障诊断

摘要：

针对滚动轴承故障诊断中出现的多故障分类问题,提出了一种利用自适应Morlet小波和小生境遗传算法(niche genetic algorithm,简称NGA)优化支持向量机(support vector machine,简称SVM)实现滚动轴承故障诊断的新方法.首先,采用自适应Morlet小波方法提取出最佳尺度附近的3个信号分量作为特征信号,分别计算它们的Shannon能量熵值作为特征量得到样本集,作为SVM的输入向量,并用样本集训练1-v-r SVM;然后,再构造一种新的核函数,并用NGA在SVM训练过程中对核函数参数进行优化,提高SVM学习机器的分类性能；最后,将本研究方法用于对含有较强噪声的实际滚动轴承的内圈、外圈、滚珠故障样本进行了分类识别.结果表明,该方法具有较好的抗噪和分类能力,验证了其有效性和可行性.

关键词：故障诊断、自适应Morlet小波、小生境遗传算法、支持向量机

所属期刊栏目：33

分类号：TH165.3;TN911.2

资助基金：国家自然科学基金资助项目51277166,51175478,51205369;浙江省自然科学青年基金资助项目LQ12E07002;浙江省博士后科研择优资助项目BSH1302015

在线出版日期：2013-11-25（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：751-755