基于小波核擴(kuò)散與雙階段SVM的軸承復(fù)合故障分類方法

摘要： 軸承復(fù)合故障分類中存在故障特征強(qiáng)線性不可分及故障數(shù)據(jù)標(biāo)簽不足問題，嚴(yán)重影響分類精度。為此，提出基于雙階段支持向量機(jī)(SVM)與小波核擴(kuò)散的軸承復(fù)合故障分類方法。針對故障特征強(qiáng)線性不可分，使用小波核函數(shù)對其進(jìn)行高維空間映射，并利用極大重疊離散小波包變換獲取信號在不同頻帶上的能量分布作為故障特征；針對故障數(shù)據(jù)標(biāo)簽不足，提出增量式核空間標(biāo)簽擴(kuò)散的雙階段SVM分類模型，在小波核空間核差...