论文部分内容阅读
文章在分析比较几种诊断方法的基础上，根据滚动轴承的故障特点，建立了SVM“一对一”聚类结构并对滚动轴承故障进行诊断；该方法基于结构风险最小化，能较好地解决小样本学习问题，避免了人工神经网等智能方法在对滚动轴承状态进行诊断时所表现出来的过学习、泛化能力弱等缺点；利用SVM“一对一”聚类结构对滚动轴承故障类别进行投票，降低了单个支持向量机的误判概率；具体实验结果表明，该聚类结构对滚动轴承的故障类别具有很高的诊断精度，能够取得理想的聚类效果。