基于模拟退火与LSSVM的轴承故障诊断
Bearing Fault Diagnosis Using Simulated Annealing Algorithm and Least Squares Support Vector Machines作者机构:山东大学机械工程学院高效洁净机械制造教育部重点实验室济南250061 山东理工大学机械工程学院淄博255049 Department of Mechanical EngineeringLakehead University
出 版 物:《振动.测试与诊断》 (Journal of Vibration,Measurement & Diagnosis)
年 卷 期:2010年第30卷第2期
页 面:119-122页
核心收录:
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 080201[工学-机械制造及其自动化]
主 题:参数优化 特征选择 模拟退火算法 最小二乘支持向量机 故障诊断
摘 要:运用模拟退火与最小二乘支持向量机(least square support vector machine,简称LSSVM)轴承的故障诊断法,是在得到较优的λ和σ参数的同时进行特征选择获取显著特征子集。为验证所提方法的有效性,将4种运行状态、5种转速、2类载荷条件下测得的轴承振动信号作为研究样本,提取信号的52个特征。试验结果表明,该法对轴承故障分类的准确率较高,可有效用于旋转机械的状态监控。