多分类边界支持矩阵机及其在滚动轴承故障诊断中的应用

由于支持矩阵机(SMM)利用平行超平面实现对不同类别样本的分类,使其无法最大化任意两类样本之间间隔,为此,通过分析非平行超平面与支持矩阵机的相关理论,提出了一种多分类边界支持矩阵机(MBSMM),并将其应用于滚动轴承的故障诊断中。首先,在MBSMM中以矩阵为建模元素,建立了其多分类目标函数,充分利用输入矩阵行与列之间的结构化信息;然后,利用非平行边界超平面来隔离任意两种类型的数据,非平行边界超平面可以最大化任意两类样本之间的间隔;引入了逐次超松弛法(SOR)进行对偶问题求解,SOR可以线性收敛到最优值,不需要太多计算就可以处理大规模数据集,大大提高了算法的计算效率;最后,将其应用于滚动轴承的故障诊断中,通过滚动轴承数据及不同指标对其进行了实验验证。研究结果表明:MBSMM利用非平行边界超平面可以完成对复杂数据样本的准确分类,在识别率、时间、kappa、准确率、召回率、F1得分和统计检验等方面具有良好表现,证明了RSMM具有优越的分类性能。