支持向量机在滚动轴承故障模式识别中的应用研究

摘要：

以统计学习理论(SLT)为基础的支持向量机(SVM),专门研究小样本情况下的学习规律.本文用正常滚动轴承和故障滚动轴承的加速度信号,选取识别能力强的峰-峰值、绝对均值等作为特征矢量输入SVM,对滚动轴承的典型故障进行模式识别.试验表明,即使在噪声环境下,SVM对滚动轴承故障仍具有优秀的分类性能.

关键词： 统计学习理论(SLT) 支持向量机(SVM) 模式识别 故障诊断

作者: 齐保林 李凌均 李志农

作者单位: 郑州大学河南,郑州,450002;郑州牧业工程高等专科学校,郑州,450011 郑州大学河南,郑州,450002

会议类型: 国内会议

会议名称: 2006年全国振动工程及应用学术会议

会议地点: 昆明

会议语种:中文

页码: 76-79

在线出版日期: 2006-08-14（万方平台首次上网日期，不代表论文的发表时间）