-
题名基于相关支持矩阵机的滚动轴承故障诊断方法研究
被引量:2
- 1
-
-
作者
陈英
陈木荣
-
机构
长沙民政职业技术学院电子信息工程学院
华南理工大学机械与汽车工程学院
广东理工学院机电工程系
-
出处
《机电工程》
CAS
北大核心
2021年第12期1592-1598,共7页
-
基金
国家自然科学基金资助项目(51375174)。
-
文摘
由于在采用支持矩阵机(SMM)进行分类建模时,缺乏必要的概率信息,导致其产生的稀疏性和鲁棒性不明确,为此,以贝叶斯理论框架为基础,提出了一种相关支持矩阵机(RSMM),并将其运用到滚动轴承的故障诊断中。首先,在RSMM中以矩阵为建模元素,建立了多分类目标函数,并利用输入矩阵行与列之间的结构化信息,建立了精确的预测模型;然后,利用贝叶斯学习框架,为模型参数施加了一个条件概率分布的约束,得到了稀疏的解空间(由于RSMM的核函数不受Mercer的条件限制,可以获得各类别之间的概率统计信息);将先验概率引入到模型权重设置中,使RSMM模型具有了稀疏性,进而对不确定样本进行了分类;最后,进行了滚动轴承故障分类实验,采用滚动轴承数据集对该方法的性能进行了检验。研究结果表明:利用贝叶斯学习框架和先验概率,采用RSMM可以对不确定样本进行准确分类,同时也可充分利用样本的结构化信息;相比于SMM及其改进算法,RSMM的整体识别率提高2%~8%,证明RSMM在滚动轴承故障诊断中具有优越的分类性能。
-
关键词
滚动轴承
故障诊断
相关支持矩阵机
贝叶斯框架
-
Keywords
rolling bearing
fault diagnosis
relevance support matrix machine(RSMM)
Bayesian framework
-
分类号
TH133.33
[机械工程—机械制造及自动化]
-