基于改进SVDD算法的升降机轴承故障检测研究

重庆理工大学学报（自然科学） ›› 2019, Vol. 33 ›› Issue (7): 66-73.

基于改进SVDD算法的升降机轴承故障检测研究

刘俊辰，唐文秀，金剑桥，吴俊英

东北林业大学机电工程学院

出版日期:2019-09-05 发布日期:2019-09-05
作者简介:刘俊辰，男，硕士研究生，主要从事智能检测与控制研究；唐文秀，女，博士，教授，主要从事自动化装置检测与智能控制研究。

Online:2019-09-05 Published:2019-09-05

摘要/Abstract

摘要： 为解决升降机轴承故障数据不易收集导致的数据不均衡问题，提出一种基于改进支持向量描述算法即带负类样本的支持向量数据描述算法（SVDD-NE）的升降机轴承故障检测分类方法。该方法在支持向量描述算法（SVDD）的基础上加入新的惩罚因子，考虑所有的训练样本集，使得超球面能很好地将所有的正类样本包围起来，同时拒绝负类样本，让球面达到最小状态。将SVDD-NE算法与SVDD算法用于升降机轴承数据故障检测实验中，结果表明：SVDD-NE算法适合处理不均衡小样本数据分类问题，且该算法的检测分类准确率较SVDD算法有显著提高。

关键词: 升降机, 轴承, 故障检测, 支持向量数据描述, 负类样本

中图分类号:

TH133.3

. 基于改进SVDD算法的升降机轴承故障检测研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 66-73.

[1]	李可轩，林慧斌，丁康. 基于掩码自监督学习的滚动轴承冲击特征提取方法[J]. 重庆理工大学学报（自然科学）, 2024, 38(7): 166-173.
[2]	沈启敏，贾月静，程艳. 改进MSCNN-ECA的轴承故障诊断方法研究[J]. 重庆理工大学学报（自然科学）, 2024, 38(7): 180-187.
[3]	郑鑫辉，马超，王少红，徐小力. 利用EEMD和深度置信网络的滚动轴承故障诊断方法[J]. 重庆理工大学学报（自然科学）, 2024, 38(6): 133-140.
[4]	姜海燕，王立勇，苏清华，王绅同，张鹏博，王弘轩，谢敏. 针对视觉/惯导系统的异常数据检测算法研究[J]. 重庆理工大学学报（自然科学）, 2024, 38(6): 220-226.
[5]	杨国浩，田鹏飞，谢兴会，陈江义. 考虑旋转精度的CT机轴承优化设计[J]. 重庆理工大学学报（自然科学）, 2024, 38(6): 250-254.
[6]	江志伟, 王志伟, 楚明. 考虑温度的高速列车轴箱轴承内部接触特性分析[J]. 重庆理工大学学报（自然科学）, 2023, 37(8): 109-118.
[7]	薛成，李鑫，焦静. 向量自回归和Ｔ２控制图在变工况齿轮箱故障检测中的应用[J]. 重庆理工大学学报（自然科学）, 2023, 37(8): 148-157.
[8]	林慧斌, 习慈羊, 丁康. 用于滚动轴承局部故障诊断的深度降采样方法[J]. 重庆理工大学学报（自然科学）, 2023, 37(7): 110-119.
[9]	王体春, 解缙, 咸玉贝. 滚动轴承故障诊断的ＴＤＤＣＣＮＮ方法研究[J]. 重庆理工大学学报（自然科学）, 2023, 37(7): 135-143.
[10]	牛茂东, 马尚君, 蔡威. 采用单分类方法的行星滚柱丝杠故障检测[J]. 重庆理工大学学报（自然科学）, 2023, 37(2): 307-315.
[11]	林棻, 熊铠, 柴靖, 李标, 陶奕然. 第三代轮毂轴承疲劳寿命多影响因素分析[J]. 重庆理工大学学报（自然科学）, 2023, 37(12): 103-111.
[12]	董绍江, 廖俊波, 周存芳. 一种改进自编码器的跨域轴承故障诊断[J]. 重庆理工大学学报（自然科学）, 2023, 37(12): 130-137.
[13]	李扬号, 丁康, 蒋飞. 多模块ＵＮｅｔＢｉＬＳＴＭ网络驱动的滚动轴承寿命预测方法研究[J]. 重庆理工大学学报（自然科学）, 2023, 37(1): 92-100.
[14]	江泽鹏，王志伟，段文军. 回转支承局部故障动力学建模及仿真分析[J]. 重庆理工大学学报（自然科学）, 2022, 36(8): 152-160.
[15]	王大鹏，李忞，邓飞跃. 一种多层经验小波变换与多指标交叉融合的列车轮对轴承故障诊断研究[J]. 重庆理工大学学报（自然科学）, 2022, 36(6): 156-163.

基于改进SVDD算法的升降机轴承故障检测研究

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0