2021年06期 v.42 36-42页
陈耿新
（揭阳职业技术学院机电工程系，广东 揭阳 522000）
摘要：针对振动传感器不同类型故障诊断对准确率和实时性要求高的需求，提出基于逐轮淘汰制一对一RVM（OVO-RVM）的振动传感器故障诊断方法。首先，研究RVM二分类模型及其超参数优化、模型稀疏化方法；然后，分析分类准确率高的OVO-RVM多分类模型工作原理及分类速度慢的原因，研究逐轮淘汰制OVO-RVM振动传感器故障诊断方法，该方法在各轮分类中仅对相邻类别进行分类判别并淘汰包括本轮在内的前几轮分类决策概率和最低的类别，经过多轮分类和淘汰后获得最终分类类别；接着，提出按照平均分类可靠性最低的两类别尽可能远离和各相邻类别平均分类可靠性尽量高的原则，对各类别进行合理排列并头尾相连，以提高分类判别的准确率；最后，将该方法应用于振动传感器不同类型故障的诊断，并进行实验验证。实验结果表明，本文方法在保证较高分类判别准确率的同时有效提高分类判别速度。
关键词：相关向量机；多分类模型；振动传感器；故障诊断
中图分类号：TP277；TP212 文献标识码：A 文章编号：1674-2605(2021)06-0007-07
DOI：10.3969/j.issn.1674-2605.2021.06.007
