论文部分内容阅读
轴承状态识别的准确率与特征提取紧密相关，而特征提取对轴承状态识别显得尤为重要。因时频域的各个特征对不同程度的故障信号敏感度各不相同，特征提取不当将会造成状态识别准确率下降。针对上述问题提出粒子群优化（PSO)核主元分析（KPCA)，并利用该方法对轴承的复合特征集进行特征提取，提取后的特征向量构成识别特征集，由优化的支持向量机识别分类。选用美国凯斯西储大学滚动轴承试验台的振动数据进行处理分析，通过3种实验方案进行验证。结果表明，提出的方法明显改善了轴承状态识别的准确率。