论文摘要
针对不均衡数据下的轴承故障检测问题,提出一种最大软间隔支持向量域描述（Maximum Soft Margin Support Vector Domain Description,MSM-SVDD）故障检测模型。该模型通过引入最大软间隔正则项,将传统支持向量域描述（SVDD）算法的分类边界向故障类偏移,进而提高算法的故障检测性能,同时对正则化项系数的取值范围进行了理论分析。实验部分讨论了正则化项系数、高斯核参数以及正常类样本数目对模型故障检测性能的影响,并给出了正则化项系数与高斯核参数的取值建议。实验结果表明,新提出的MSM-SVDD模型非常适合处理小样本不均衡数据下的故障检测问题。最后通过实测数据的对比实验,表明MSM-SVDD模型在不均衡数据下的故障检测性能较其他方法有较大幅度提升。
论文目录
文章来源
类型: 期刊论文
作者: 陶新民,李晨曦,李青,任超,刘锐,邹俊荣
关键词: 故障检测,轴承,不均衡数据,最大软间隔,支持向量域描述
来源: 振动工程学报 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 机械工业
单位: 东北林业大学工程技术学院
基金: 中央高校基本科研业务费专项资金资助项目(2572017EB02,2572017CB07),东北林业大学双一流科研启动基金资助项目(411112438),哈尔滨市科技局创新人才基金资助项目(2017RAXXJ018),国家自然科学基金面上项目(31570547)
分类号: TH133.3
DOI: 10.16385/j.cnki.issn.1004-4523.2019.04.020
页码: 718-729
总页数: 12
文件大小: 2716K
下载量: 128