来源：期刊VIP网 时间：
作者：杨琳;李超;
单位：铜仁职业技术学院信息工程学院;河南理工大学机械工程学院;
摘要：为了弥补支持向量机（SVM）会造成局部极小或出现过拟合情况，把粒子群优化（PSO）加到SVM模型内，完成SVM模型核函数的优化效果。针对齿轮裂纹故障诊断情况，设计了一种基于核主成分分析（KPCA）和PSO-SVM组合算法，并开展实际信号分析。研究结果表明：以PSO优化SVM核函数达到了高精度，获得更高分类精度。频域特征会降低分类精度，频域特征具备比时域特征更高精度。相比较其他算法，PSO-SVM算法达到最高精度，具备优异稳定性，获得合适的计算时间。当提高样本数量后，分类精度获得明显提升，设置过多训练样本则会产生过拟合问题，并且实际测试样本数不多，造成不稳定的分类状态。该研究对提高齿轮裂纹故障诊断效率具有很好的理论支撑价值，易于推广应用到其他的机械传动系统上。
关键词：齿轮裂纹;;故障诊断;;主成分分析;;支持向量机;;粒子群优化
基金资助：河南省高等学校重点科研项目(19A4600024)
