基于二次奇异值分解和最小二乘支持向量机的轴承故障诊断方法

？为了解决奇异值分解(svd)对不同信号分解的有效奇异值个数不同，而影响故障识别准确性的难题，提出了基于二次svd和最小二乘支持向量机(ls-svm)的故障诊断方法。该方法利用奇异值曲率谱自适应选择有效奇异值重构信号，进行二次svd处理，获得相同个数的正交分量，求解其能量熵，并构造故障特征向量，用于ls-svm分类模型故障识别。将该方法应用于轴承故障诊断，与利用特定个数的主奇异值作为特征向量的方法相比，准确度提高了13.34%，表明了该方法的可行性和有效性。