仪器仪表学报

作者：陈赛赛，杨晨曦，陈 超，贺长波，樊 薇

单位：陈赛赛,1. 江苏大学机械工程学院,,杨晨曦,1. 江苏大学机械工程学院,,陈 超,1. 江苏大学机械工程学院,,贺长波,2. 安徽大学电气工程与自动化学院,,樊 薇,1. 江苏大学机械工程学院，3. 上海交通大学机械与动力工程学院,

关键词：轴承复合故障分类;TWD-SVM;增量式核空间标签扩散;核差异距离;半监督学习

基金：国家自然科学基 金 青 年 项 目 ( 52305109 )、 机 械 系 统 与 振 动 国 家 重 点 实 验 室 课 题 ( MSV 202311 )、 中 国 博 士 后 科 学 基 金 (2023M732218)、省部共建现代农业装备与技术协同创新中心(XTCX2021)、安徽省自然科学基金青年项目(2108085QE229)、江苏省自然科学基 金青年项目(BK20210772)资助

轴承复合故障分类中存在故障特征强线性不可分及故障数据标签不足问题,严重影响分类精度。为此,提出基于双阶段支持向量机(SVM)与小波核扩散的轴承复合故障分类方法。针对故障特征强线性不可分,使用小波核函数对其进行高维空间映射,并利用极大重叠离散小波包变换获取信号在不同频带上的能量分布作为故障特征;针对故障数据标签不足,提出增量式核空间标签扩散的双阶段SVM分类模型,在小波核空间核差异距离基础上,利用增量式核空间标签扩散对训练样本的近邻样本、粗分阶段边界样本进行扩充,并在细分阶段依据扩充后的样本完成模型训练。3组轴承复合故障数据验证了所提方法的有效性,实验研究表明,在单类训练样本为5的条件下,所提方法比SVM分类准确率平均提升7.5%,并优于其他流行算法。

来源：2023年第10期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第10期