第6期 2017年6月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2017)06007404
DOI : 10. 13462/j. cnki. mmtamt. 2017. 06. 019
多核的LSSVM的轴承故障诊断算法研究
王建国，陈肖洁，张文兴
（内蒙古科技大学机械工程学院，内蒙古包头014010）
No.6 Jun.2017
摘要：针对滚动轴承故障诊断中出现的多故障类型识别与诊断问题，在LSSVM和多核学习的基础上，提出了多核的LSSVM的轴承故障诊斯算法。多核的LSSVM实现的关键是如何确定多核函数的
每个基本核函数的权系数，采用核度量标准一
一核极化来解决此难题。首先，选择基本核函数及其
核参数值；然后，用核极化求解基本核函数的权系数，组合多核函数；最后，创建多核的LSSVM算法模型，行轴承故障诊断。关国西储大学的滚动轴承的实验结采表明，与5-foldSVM和LSSVM相
比，多核的LSSVM算法具有更优的故障识别率，验证了所提算法的有效性。关键词：LSSVM；多核LSSVM；轴承故障诊断
中图分类号：TH165+.3;TG506
文献标识码：A
A Research on the Bearing Fault Diagnosis Algorithm of Least Squares
Support Vector Machine with Multiple Kernels WANG Jian-guo, CHEN Xiao-jie, ZHANG Wen-xing
( School of Mechanical Engineering, Inner Mongolia University of Science and Technology , Baotou Inner Mon-golia 014010, China)
Abstract : For the problems of multiple fault types identification and diagnosis of rolling bearing, on the ba-sis of LSSVM and multiple kernel learning, the paper proposed a bearing fault diagnosis algorithm of LSS-VM with multiple kernels. The key to realize the proposed algorithm is how to construct the kernel function with multiple basic kernels, and the solution is that weights of basic kernels is determined by kermel polariza-tion. Firstly, select the basic kernels and parameter values. Then, determine the kernel weight by using ker-nel polarization, and construct the multiple kermel. Last, create the LSSVM model with the multiple kernel to carry out fault diagnosis of bearing. The experimental results of rolling bearing from Case Western Re-serve University show that, compared with 5-fold SVM and LSSVM, the proposed algorithm can obtain a
better fault recognition rate, verifying the effectiveness of the proposed algorithm. Key words: LSSVM; LSSVM with multiple kermels; bearing fault diagnosis
引言 0
在机械设备正常运转过程中，滚动轴承作为一个重要的旋转部件，其运行状态会直接地影响整个机械设备的性能及安全"。识别轴承的工作状态是保障设备正常运作的重要措施2]。因此，采用何种规则从轴承的非平稳故障信号中提取有效表征故障状态的特征参数，并进行故障诊断是关键3]。
支持向量机（supportvectormachine，SVM）和最小二乘支持向量机（least squares support vectormachine， LSSVM)被广泛地应用于多个领域。近年来，将某种算法与SVM相结合用于机械故障诊断，并取得了不错的效果，如：基于内积延拓的局域均值分解的SVM["]、小生境遗传算法与SVM[2]、局部均值分解近似与LSS-
收稿日期：2016092
VM(+)及总体局部均值分解与LSSVM[5]。但不足的是，上述各种算法都是采用单一核函数的SVM或LSS-VM。鉴于单一核函数无法准确获取故障振动信号中的有用信息，本文提出多核的LSSVM算法模型。根据多核学习（multiplekemelleaming，MKL）原理[6-]可知，多核学习面临的首要问题是如何确定多个基本核函数的权系数。由于采用半定规划算法"和选择性多核学习算法"来确定权系数，其计算量较大。为了减小算法计算复杂度，结合Baram[10)提出的核极化核度量标准，我们提出由核极化来确定多个基本核函数的权系数。
综上所述，本文利用核极化来确定多个基本核函数的权系数和结合LSSVM计算高效的寻解能力，提出基于核极化的多核LSSVM的滚动轴承故障诊断算法，
*基金项目：国家自然科学基金项目(21366017)；内蒙古自然科学基金（2016MS0543）
作者筒介：王建国（1958一），男，内蒙古包头人，内蒙古科技大学教投，博士，研究方向为向量机智能算法的研究，（E-mail)1145652077@q
com
万方数据