一种改进的支持向量数据描述在故障诊断中的应用  

IMPROVED SUPPORT VECTOR DATA DESCRIPTION USED IN FAULT DIAGNOSIS

作　　者：李凌均[1] 王昆[1] 周喜格[1] 

机构地区：[1]郑州大学振动工程研究所,郑州450001

出　　处：《机械强度》2010年第5期707-710,共4页Journal of Mechanical Strength

基　　金：国家自然科学基金(50675209);河南省自然科学基金(0611022400);河南省杰出人才创新基金(0621000500)资助项目~~

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。Measurements on the normal working conditions of a machine are very cheap and easy to obtain.On the other hand,measurements of outliers would be very expensive.Support vector data description(SVDD) can build a one-class classifier when only normal condition examples(target examples) is available,so that normal and abnormal condition can be distinguished.When examples of two classes(target and outlier) is available,it is possible to train both a traditional classifier(two-class classifier)and a SVDD.But SVDD...

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[机械工程—机械制造及自动化]