论文摘要
针对传统方法对滚动轴承故障特征提取效果尚有局限和最小二乘支持向量机分类器的参数不易确定,从而降低了故障诊断的准确性的问题,提出基于本征模函数能量矩和贝叶斯框架下的最小二乘支持向量机实现滚动轴承的故障诊断。在该方法中,通过经验模态分解将原始信号分解为多个本征模函数,之后将本征模函数作时间轴的积分,得到本征模函数能量矩特征故障向量。采用贝叶斯推理方法进行三级分层推断,解决最小二乘支持向量机分类器的参数具有任意性和不确定性的问题,实现参数优化。对滚动轴承的仿真结果表明,该方法能对故障进行有效、准确的诊断,诊断正确率达到98.75%。
论文目录
文章来源
类型: 期刊论文
作者: 邓辉,罗倩,王岩
关键词: 故障诊断,经验模态分解,本征模函数能量矩,贝叶斯,最小二乘支持向量机,参数优化
来源: 计算机工程与应用 2019年17期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 机械工业
单位: 北京信息科技大学信息与工程学院
基金: 北京市科技提升计划项目（No.5211624101）,北京市教委科研计划项目（No.KM201811232009）
分类号: TH133.33
页码: 156-161+226
总页数: 7
文件大小: 1529K
下载量: 182
相关论文文献
标签：故障诊断论文; 经验模态分解论文; 本征模函数能量矩论文; 贝叶斯论文; 最小二乘支持向量机论文; 参数优化论文;