基于CFOA-MKHSVM的滚动轴承健康状态评估方法

    公开(公告)号:CN105528504A

    公开(公告)日:2016-04-27

    申请号:CN201610115922.6

    申请日:2016-03-01

    CPC classification number: G06F17/5009 G06F2217/76

    Abstract: 基于CFOA-MKHSVM的滚动轴承健康状态评估方法,属于轴承故障评估技术领域。本发明是为了更有效评估滚动轴承性能退化程度。本发明方法先提取轴承振动信号的时域、频域统计特征及基于小波包的时频特征。针对滚动轴承各状态数据分布不均匀、数据异构的问题,采用超球体支持向量机识别并进行多核凸组合优化。为消除人为选择分类器多参数的盲目性,以及容易选入局部最优问题,将果蝇算法与混沌理论相结合,对多参数进行寻优。同时构建混沌优化果蝇算法——多核超球体支持向量机CFOA-MKHSVM模型,并提出归一化差别系数评估指标。经实验,与SVDD算法评估指标进行对比,验证了所提指标的有效性,实现了滚动轴承健康状态的定量评估。

    基于CFOA-MKHSVM的滚动轴承健康状态评估方法

    公开(公告)号:CN105528504B

    公开(公告)日:2018-09-04

    申请号:CN201610115922.6

    申请日:2016-03-01

    Abstract: 基于CFOA‑MKHSVM的滚动轴承健康状态评估方法,属于轴承故障评估技术领域。本发明是为了更有效评估滚动轴承性能退化程度。本发明方法先提取轴承振动信号的时域、频域统计特征及基于小波包的时频特征。针对滚动轴承各状态数据分布不均匀、数据异构的问题,采用超球体支持向量机识别并进行多核凸组合优化。为消除人为选择分类器多参数的盲目性,以及容易选入局部最优问题,将果蝇算法与混沌理论相结合,对多参数进行寻优。同时构建混沌优化果蝇算法—多核超球体支持向量机CFOA‑MKHSVM模型,并提出归一化差别系数评估指标。经实验,与SVDD算法评估指标进行对比,验证了所提指标的有效性,实现了滚动轴承健康状态的定量评估。

Patent Agency Ranking