科研之友
微信
新浪微博
Facebook
分享链接
摘要
采用传统矩阵分类器（即支持矩阵机SMM）进行滚动轴承故障诊断时存在一定的局限性，即在进行冗余特征分类时难以提取有效特征进行建模，为此，提出了一种基于自适应冗余矩阵分类器（ARMC）的滚动轴承故障诊断方法。首先，在构造ARMC模型的过程中，通过核函数创建了高维分布空间，解决了样本数据线性不可分的问题；然后，采用约束L1范数的思想，使得样本到所有聚类凸包边界的距离最短，进而将其转化为求解线性规划的问题，降低了模型计算的复杂度；通过正则化约束来控制低秩项，进而弱化冗余特征和噪声成分对模型的影响，得到了更加准确的预测模型；最后，为了验证ARMC方法的有效性，采用美国凯斯西储大学的滚动轴承实验数据和自制滚动轴承故障模拟实验台数据，分别进行了实验；并且将采用该方法所获得的结果与其它方法获得的结果进行了对比。研究结果表明：ARMC利用L1范数和核函数来构造和求解目标函数，不仅可以保护待诊断对象的结构化信息，而且弱化了模型复杂度和增强了模型的鲁棒性；与支持矩阵机和鲁棒支持矩阵机等相比，ARMC能够充分考虑样本冗余信息弱化的问题，平均识别准确率提高了3%～8%。
-
单位忻州职业技术学院; 山东理工大学
