基于核主元分析和支持向量机相结合的齿轮箱齿轮故障识别方法

• 作 者: 王加祥 吴斌 苏红伟
• 机 构: 上海电机学院电气学院,上海电机学院商学院
• 出 处: 上海电机学院学报
• 发表日期: 2015年4期
• 关键词: 核主元分析 支持向量机 齿轮 特征提取 kernel principal component analysis（KPCA） support vector ma
• 基金项目: 教育部人文社会科学研究青年基金项目资助（10YJC630274）, 上海市教育委员会科研创新项目资助（15ZS079）, 上海电机学院重点学科建设项目资助（10XKJ01）

提出了基于核主元分析（KPCA）和支持向量机（SVM）相结合的齿轮箱齿轮故障识别方法。采用振动信号初始特征空间的内积核函数,将初始特征空间中的非线性问题转换成高维特征空间中的线性问题。通过主元分析对映射到高维空间中的数据信息进行处理,得到初始特征的非线性主元,实现对高维特征参数进行降维。再结合SVM良好的分类能力,结果表明,KPCA和SVM相结合的分类性能在齿轮箱故障诊断方面有更好的效果。