论文部分内容阅读
研究核函数估计方法（KFA）在机械故障诊断中的应用问题，提出一种基于特征样本选择的转子故障模式分类方法。通过计算转子振动信号原始特征空间的内积核函数，将所有原始特征样本映射到高维特征空间，在高维空间中选择特征样本对转子裂纹、转子不平衡及转子碰摩三种故障模式进行分类识别，选择的特征样本远小于样本集中全体样本的数目，提高了运算速度。比较了KFA分类方法与支持矢量机（SVM）分类方法的效果，结果表明，在保证分类精度的条件下，KFA方法可以明显减少运算量，性能更优越。