基于核主元分析和支持向量机相结合的齿轮箱齿轮故障识别方法

摘要

提出了基于核主元分析(KPCA)和支持向量机(SVM)相结合的齿轮箱齿轮故障识别方法.采用振动信号初始特征空间的内积核函数,将初始特征空间中的非线性问题转换成高维特征空间中的线性问题.通过主元分析对映射到高维空间中的数据信息进行处理,得到初始特征的非线性主元,实现对高维特征参数进行降维.再结合SVM良好的分类能力,结果表明,KPCA和SVM相结合的分类性能在齿轮箱故障诊断方面有更好的效果.