《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于相关支持矩阵机的滚动轴承故障诊断方法研究

作者：陈英,陈木荣. 日期：2022-02-23/span> 浏览：1348 查看PDF文档

基于相关支持矩阵机的滚动轴承

故障诊断方法研究*

陈英1,陈木荣2,3

(1.长沙民政职业技术学院电子信息工程学院,湖南长沙 410004;2.华南理工大学机械与汽车工程学院,

广东广州 510640;3.广东理工学院机电工程系,广东肇庆 526100)

摘要: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

中图分类号:TH133.33文献标识码:A文章编号:1001-4551(2021)12-1592-07

本文引用格式:

陈英,陈木荣.基于相关支持矩阵机的滚动轴承故障诊断方法研究［J］.机电工程,2021,38(12):1592-1598.