自適應多分類相關向量機的滾動軸承故障識別

摘要：提出了一種基于自適應相關向量機(Adaptive multiclass relevance vector machines,A-MRVM)的滾動軸承故障識別方法,該方法利用遺傳算法對多分類相關向量機核函數參數進行優化,依據故障樣本自身特性自適應地選取最優核參數,克服核參數人為選取的不確定性,從而構建基于自適應多分類相關向量機的故障識別模型。將該故障識別模型應用于滾動軸承故障識別中,分別提取滾動軸承振動信號小波包能量及EEMD(Ensemble empirical mode decomposition)能量作為故障特征進行故障識別,并與其它方法進行實驗對比研究。實驗結果表明,所提方法不僅能有效識別出故障類型,且具有較高的故障識別模型構建效率,驗證了所提方法的可行性及優越性。同時,該方法也能對故障類型發生的可能性進行評估,為分析滾動軸承故障類型提供更多的參考信息。