基于 Kriging 函数的 KVPMCD在滚动轴承故障诊断中的应用

摘要：

滚动轴承的故障诊断本质上是模式识别的问题，多变量预测模型(VPMCD)是一种新的模式识别方法，其实质就是通过特征值之间的相互内在关系建立数学模型，并根据数学模型对被诊断轴承的特征值进行预测从而达到模式识别的目的。但是 VPMCD 分类方法中单纯采用回归模型进行预测，因此当故障特征值之间关系较为复杂时将导致预测精度降低。针对这一缺陷，提出了基于 Kriging 函数的多变量预测模型(KVPMCD)模式识别方法。Kriging 模型由回归模型和相关模型组合而成，其中，相关模型是在全局模型的基础上创建的局部偏差，它恰恰可以揭示特征值之间的空间相关性，从而弥补原VPMCD 中单纯采用回归模型的缺点。对 UCI 标准数据以及滚动轴承实测数据的分析结果表明， KVPMCD 模式识别方法比原 VPMCD 方法可以更加有效地识别滚动轴承的工作状态和故障类型。

关键词：Kriging 模型、KVPMCD、滚动轴承、故障诊断

分类号：TH113

资助基金：国家自然科学基金资助项目51175158,51075131;湖南省自然科学基金资助项目11JJ2026

在线出版日期：2014-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2131-2136