典型文献
多核多分类相关向量机的滚动轴承多特征融合智能故障诊断方法
文献摘要：
考虑到滚动轴承振动信号的复杂性,单一故障特征难以获得较理想的故障诊断结果,提出一种基于多核多分类相关向量机(Multi-kernel multi-class relevance vector machine,MMRVM)的多特征融合智能故障诊断方法.该方法将具有不同特性的故障特征通过核函数映射到高维特征空间,按照特征贡献量大小进行加权求和从而融合形成多特征空间,充分利用各特征向量的有效属性,有效避免不同特征直接融合导致的维数增高问题.此外,通过量子遗传算法自适应选取不同特征对应的最优核参数,进一步提高了故障识别准确率.滚动轴承故障诊断实例表明,与其它方法相比,所提方法可有效融合多种滚动轴承故障特征信息,具有更高的故障诊断准率.
文献关键词：
故障诊断;滚动轴承;特征融合;多核多分类;相关向量机
中图分类号：
作者姓名：
王波;宁毅;张亚虎
作者机构：
滁州学院机械与电气工程学院,安徽滁州 239000
文献出处：
引用格式：
[1]王波;宁毅;张亚虎-.多核多分类相关向量机的滚动轴承多特征融合智能故障诊断方法)[J].机械科学与技术,2022(06):869-876
A类：
多核多分类,MMRVM
B类：
相关向量机,多特征融合,智能故障诊断,故障诊断方法,滚动轴承振动信号,单一故障,故障特征,难以获得,较理想,诊断结果,Multi,kernel,multi,class,relevance,vector,machine,核函数,函数映射,射到,高维特征空间,贡献量,加权求和,特征向量,量子遗传算法,应选,核参数,故障识别,识别准确率,滚动轴承故障诊断,有效融合,特征信息
AB值：
0.297423
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
