多核多分类相关向量机的滚动轴承多特征融合智能故障诊断方法

作     者：王波 宁毅 张亚虎 WANG Bo;NING Yi;ZHANG Yahu

作者机构：滁州学院机械与电气工程学院安徽滁州239000 

出 版 物：《机械科学与技术》 (Mechanical Science and Technology for Aerospace Engineering)

年 卷 期：2022年第41卷第6期

页      面：869-876页

核心收录：

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 

基　　金：安徽省高校自然科学研究项目(KJ2021A1086) 滁州市科技计划项目(2021ZD022) 

主　　题：故障诊断 滚动轴承 特征融合 多核多分类 相关向量机 

摘      要：考虑到滚动轴承振动信号的复杂性,单一故障特征难以获得较理想的故障诊断结果,提出一种基于多核多分类相关向量机(Multi-kernel multi-class relevance vector machine,MMRVM)的多特征融合智能故障诊断方法。该方法将具有不同特性的故障特征通过核函数映射到高维特征空间,按照特征贡献量大小进行加权求和从而融合形成多特征空间,充分利用各特征向量的有效属性,有效避免不同特征直接融合导致的维数增高问题。此外,通过量子遗传算法自适应选取不同特征对应的最优核参数,进一步提高了故障识别准确率。滚动轴承故障诊断实例表明,与其它方法相比,所提方法可有效融合多种滚动轴承故障特征信息,具有更高的故障诊断准率。