基于變量預測模型的模式識別方法在滾動軸承故障診斷中的應用

對滾動軸承的故障診斷實質上是一個模式識別的過程，目前，人工神經網絡（Artificial Neu—ral Network，ANN）、支持向量機（Support Vec—tor Machine，SVM）等模式識別方法已廣泛應用于機械故障診斷中，人工神經網絡作為一種非線性的模式分類系統，因其自適應、自組織、自學習能力得到廣泛關注，但是在結構和類型的選擇上過分依賴經驗知識心，支持向量機通過適當的核函數把一個復雜的非線性樣本分類問題變換為高維空間的線性分類問題，能較好地解決非線性和局部極小點等問題，但是，SVM的分類效果受核函數及其參數選擇的影響，同時尋優的過程也會使數據的計算量增大。