基于模拟退火与LSSVM的轴承故障诊断

被引:14
作者
隋文涛 [1 ,2 ]
路长厚 [1 ]
Wilson Wang [3 ]
张丹 [2 ]
机构
[1] 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
[2] 山东理工大学机械工程学院
[3] Department of Mechanical Engineering,Lakehead
关键词
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;
D O I
10.16450/j.cnki.issn.1004-6801.2010.02.021
中图分类号
TH133.33 [滚动轴承]; TH165.3 [];
学科分类号
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。
引用
收藏
页码:119 / 122+206 +206
页数:5
相关论文
共 7 条
[1]   一种基于模拟退火的支持向量机超参数优化算法 [J].
燕飞 ;
秦世引 .
航天控制, 2008, (05) :7-11+17
[2]   小波包分析和支持向量机在刀具故障诊断中的应用 [J].
王计生 ;
喻俊馨 ;
黄惟公 .
振动、测试与诊断, 2008, (03) :273-276+304
[3]   基于混合智能新模型的故障诊断 [J].
雷亚国 ;
何正嘉 ;
訾艳阳 .
机械工程学报, 2008, (07) :112-117
[4]   基于模拟退火算法的共模电磁干扰抑制技术 [J].
章勇高 ;
蒋有缘 ;
方华松 ;
张凯 .
电工技术学报, 2008, (06) :1-6
[5]   最小二乘支持向量机的参数优化及其应用 [J].
陈帅 ;
朱建宁 ;
潘俊 ;
侍洪波 .
华东理工大学学报(自然科学版), 2008, (02) :278-282
[6]   基于小波变换和AR-LSSVM的非平稳时间序列预测 [J].
王晓兰 ;
张万宏 ;
王慧中 .
控制与决策 , 2008, (03) :357-360
[7]   基于在线最小二乘支持向量机的数控机床热误差建模与补偿 [J].
林伟青 ;
傅建中 ;
许亚洲 ;
陈子辰 .
计算机集成制造系统, 2008, (02) :295-299