振动与冲击

作者：赵孝礼,赵荣珍,孙业北,何敬举

单位：兰州理工大学 机电工程学院，兰州 730050

关键词：故障诊断；正则化核最大边界投影；核极限学习机分类器；维数约简

针对旋转机械故障诊断中故障样本获取困难的现状，提出一种基于正则化核最大边界投影（Regularized Kernel Maximum Margin Projection, RKMMP）维数约简的滚动轴承故障诊断方法。该方法首先利用RKMMP对小样本、少标记信息的混合故障样本集进行训练降维，然后将降维后的低维敏感特征子集输入到核极限学习机（ Kernel Extreme Learning Machine, KLEM）分类器中进行故障识别。上述方法的特点是所提出的RKMMP能充分利用少量标记样本信息与大量无标记样本的故障信息，避免过学习的缺陷，同时通过添加正则化项克服小样本问题。滚动轴承故障模拟实验表明：该方法结合了RKMMP在维数约简和KLEM在模式识别上的优势，在一定程度上能提升故障诊断的泛化能力与识别精度。该研究可为解决好故障诊断中样本获取困难的问题，提供理论参考依据。<br>

来源：2017年第14期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2017年第14期