基于多核支持向量機(jī)的滾動(dòng)軸承故障識(shí)別方法研究.pdf

1、滾動(dòng)軸承作為大型旋轉(zhuǎn)機(jī)械中應(yīng)用最廣泛的部件之一，其性能狀態(tài)直接決定著整個(gè)系統(tǒng)的生產(chǎn)與運(yùn)行狀況。滾動(dòng)軸承一旦發(fā)生故障，可能帶來(lái)巨大的經(jīng)濟(jì)損失和人員傷亡。因此，對(duì)滾動(dòng)軸承故障識(shí)別方法開展研究，準(zhǔn)確及時(shí)識(shí)別滾動(dòng)軸承運(yùn)行過(guò)程的故障狀態(tài)，對(duì)保證機(jī)械系統(tǒng)安全運(yùn)行，避免重大災(zāi)難損失意義重大。
　　故障識(shí)別技術(shù)的核心是有效的利用故障信息，從而在特定的環(huán)境下對(duì)診斷對(duì)象進(jìn)行準(zhǔn)確的故障識(shí)別。目前故障智能識(shí)別技術(shù)面臨的主要難題是典型故障樣本的不足和樣本獲

2、取后各類別數(shù)目有可能不均衡，以及智能識(shí)別方法的發(fā)展不足。這二者都嚴(yán)重制約著故障識(shí)別技術(shù)的發(fā)展。近年來(lái)，基于統(tǒng)計(jì)學(xué)理論的支持向量機(jī)(Support Vector Mechine, SVM)成為機(jī)器學(xué)習(xí)領(lǐng)域中的一個(gè)重要方向，其在處理小樣本有著優(yōu)越性，為滾動(dòng)軸承故障識(shí)別技術(shù)提供一種新方法。
　　本文以實(shí)現(xiàn)多核支持向量機(jī)在滾動(dòng)軸承故障識(shí)別中的應(yīng)用為目標(biāo)，在支持向量機(jī)核函數(shù)理論、核函數(shù)參數(shù)優(yōu)化和多核支持向量機(jī)模型的建立等方面進(jìn)行了研究：

3、r>　　1.滾動(dòng)軸承實(shí)際各狀態(tài)數(shù)據(jù)一般具有不均衡的特點(diǎn)，分類時(shí)采用單一核函數(shù)存在一定的局限性。針對(duì)此問(wèn)題，通過(guò)將Gauss徑向基核函數(shù)與多項(xiàng)式核函數(shù)線性組合起來(lái)，構(gòu)造了多核核函數(shù)支持向量機(jī)模型。
　　2.針對(duì)支持向量機(jī)多參數(shù)選擇的盲目性，研究了果蠅優(yōu)化算法(Fruit fly Optimization Algorithm, FOA)，對(duì)所構(gòu)造的多核支持向量機(jī)模型，采用FOA方法對(duì)該模型的各參數(shù)進(jìn)行優(yōu)化選擇。利用加州理工學(xué)院(Uni