一种基于概率盒-PSO-SVM的滚动轴承故障诊断方法

来源：上海理工大学学报杂志2018年第1期北京时间：

作者：杜奕

单位：昆明理工大学 城市学院, 昆明 650051,昆明理工大学 城市学院, 昆明 650051,昆明理工大学 信息工程与自动化学院, 昆明 650500,昆明理工大学 城市学院, 昆明 650051

摘要：针对滚动轴承故障诊断的问题，提出了一种基于概率盒理论和粒子群优化支持向量机的故障诊断新方法.在分析故障信号的概率统计特性基础上，利用概率盒直接建模方法获得概率盒，利用证据理论实现了概率盒的融合.不同故障状态下的概率盒特征也不同，采用不同的累积不确定性测量方法提取了概率盒的特征，并构建出用于模式识别的特征向量集，将特征集代入利用粒子群算法优化后的支持向量机中实现故障诊断.通过对滚动轴承振动信号的实验测试与对比分析表明：该方法可以实现对滚动轴承准确的诊断，与传统特征提取方法对比，证明了方法的有效性.

关键词：概率盒理论;特征向量;支持向量机;粒子群优化;故障诊断

基金资助：国家自然科学基金资助项目（51365020，51467007）