基于自适应冗余矩阵分类器的滚动轴承故障诊断方法

作者：刘振华,胡思远,赵捷. 日期：2023-05-25/span> 浏览：389 查看PDF文档

摘要:采用传统矩阵分类器(即支持矩阵机SMM)进行滚动轴承故障诊断时存在一定的局限性,即在进行冗余特征分类时难以提取有效特征进行建模,为此,提出了一种基于自适应冗余矩阵分类器(ARMC)的滚动轴承故障诊断方法。首先,在构造ARMC模型的过程中,通过核函数创建了高维分布空间,解决了样本数据线性不可分的问题;然后,采用约束L1范数的思想,使得样本到所有聚类凸包边界的距离最短,进而将其转化为求解线性规划的问题,降低了模型计算的复杂度;通过正则化约束来控制低秩项,进而弱化冗余特征和噪声成分对模型的影响,得到了更加准确的预测模型;最后,为了验证ARMC方法的有效性,采用美国凯斯西储大学（CWRU）的滚动轴承实验数据和自制滚动轴承故障模拟实验台数据,分别进行了实验;并且将采用该方法所获得的结果与其他方法获得的结果进行了对比。研究结果表明:ARMC利用L1范数和核函数来构造和求解目标函数,不仅可以保护待诊断对象的结构化信息,而且可以弱化模型复杂度和增强模型的鲁棒性;与支持矩阵机（SMM）和鲁棒支持矩阵机等相比,ARMC能够充分考虑样本冗余信息弱化的问题,平均识别准确率提高3%~8%。

关键词:自适应冗余矩阵分类器;矩阵分类器(支持矩阵机);高维分布空间;冗余特征分类;模型鲁棒性;目标函数

中图分类号:TH133.3文献标识码:A文章编号:1001-4551(2023)03-0384-07


本文引用格式:

刘振华,胡思远,赵捷.基于自适应冗余矩阵分类器的滚动轴承故障诊断方法［J］.机电工程,2023,40(3):384-390.

LIU Zhen-hua, HU Si-yuan, ZHAO Jie. Fault diagnosis method of rolling bearing based on adaptive redundancy matrix classifier［J］.Journal of Mechanical & Electrical Engineering, 2023,40(3):384-390.