王保建， 张小丽， 傅杨奥骁， 陈雪峰

(1.西安交通大学机械基础国家级实验教学示范中心 西安， 710049)(2.长安大学道路施工技术与装备教育部重点实验室 西安， 710064)



优化支持向量机及其在智能故障诊断中的应用

王保建1， 张小丽2， 傅杨奥骁1， 陈雪峰1

(1.西安交通大学机械基础国家级实验教学示范中心 西安， 710049)(2.长安大学道路施工技术与装备教育部重点实验室 西安， 710064)

单一支持向量机在轴承齿轮故障诊断中精度较低，为了提高支持向量机在轴承齿轮故障诊断中的精度，对支持向量机的样本特征提取方法以及支持向量机参数优化的方法进行了研究。首先，通过核主成分分析方法构造支持向量机的输入样本，可以减少数据间的冗余，提取数据的高维信息；其次，通过粒子群优化算法优化支持向量机核函数参数和惩罚因子；最后，使用优化后的支持向量机模型进行故障诊断。通过实际轴承齿轮故障诊断对比实验，结果表明，所提方法相比一般的支持向量机诊断方法诊断精度大幅提高，验证了该混合智能诊断方法的有效性和优势。

支持向量机;核主成分;粒子群优化算法;故障诊断

引 言

随着中国制造2025的提出，自动化、智能化成为我国制造业的发展方向。故障诊断技术已经发展到了智能故障诊断阶段，其中支持向量机(support vector machine，简称SVM)作为智能故障诊断技术领域的热点之一，以其基于统计学习理论的特点，非常适合故障诊断这种典型的小样本问题。目前，支持向量机在轴承、齿轮、电机等机械状态监测与故障诊断中得到了广泛应用，取得了良好的效果。……