一种改进的支持向量数据描述在故障诊断中的应用
李凌均
王昆
周喜格
1.郑州大学,振动工程研究所,郑州,4500012.郑州大学,振动工程研究所,郑州,4500013.郑州大学,振动工程研究所,郑州,450001
摘要：机械设备正常运行的振动信号很容易获得,而有故障时的振动信号一般很难获得.在没有故障信号时可以仅仅依靠正常运行时的信号,利用支持向量数据描述方法(support vector data description,SVDD)建立单值分类器,从而对设备运行状态进行监测诊断.当具有一定的故障样本(非目标样本)时,既可以建立传统的二值分类器,也可以建立SVDD单值分类器.但当非目标样本较少时,传统的二分类器就很难有好的分类能力,而SVDD方法只利用了一类样本信息,对信息没有充分利用,也同样不利于提高监测诊断的准确性.文中研究一种改进的SVDD--加入非目标样本的SVDD分类方法,及其在故障诊断中的应用,该方法将实际生产中难以得到的故障信息加以利用,使信息利用更加充分,提高设备故障分类的准确性.通过对滚动轴承实验数据的分析,证明该方法可以有效提高故障诊断的准确度.
关键词：支持向量数据描述故障诊断非目标样本数据单值分类
分类号：TH165.3(机械制造工艺)TP18(自动化基础理论)
资助基金：国家自然科学基金(50675209)河南省自然科学基金(0611022400)河南省杰出创新人才计划(0621000500)
论文发表日期：2010-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：4( 707-710 )
英文信息