改进投票策略的多类SVM及在故障诊断中应用

针对一对一（OVO）分解法,提出了一种改进的投票（MWV）策略,解决了传统策略中的不可分区域问题。首先,由训练iω类和ωj（j≠i,j=1,…,n）类而得到的SVM决策函数;再对iω类定义了一个取值在0~1之间的调节函数,并使改进的得票值等于传统得票值加上调节函数。最后,根据改进的得票值进行分类决策。对于可分区域的样本,改进MWV策略的分类结果与传统策略完全相同;对于不可分区域的数据,由调节函数的值决定。将所提法应用于齿轮传动箱故障诊断实例并与传统得票策略诊断进行了对比,实验结果验证了所提方法的上述优越性。

一种基于支持向量机的齿轮箱故障诊断方法

提出了一种基于多分类支持向量机(简称MSVM)的齿轮箱故障诊断方法。先根据齿轮箱故障机理和振动特点,探讨了齿轮箱故障诊断试验方案。再测取齿轮箱振动信号,并提取了能反映齿轮箱运转信息的时频域特征参数。通过结合投票法和决策树的基本思想,有针对性地构造了多分类支持向量机决策结构并将其应用于齿轮箱故障诊断。实际齿轮箱故障诊断试验结果表明,该决策结构较好地解决了小样本学习问题,避免了人工神经网络进行诊断时出现的过学习、收敛速度慢、泛化能力弱等缺点,能有效应用于齿轮箱故障诊断。