1、滾動軸承作為關(guān)鍵部件已經(jīng)被廣泛地應(yīng)用于旋轉(zhuǎn)機(jī)械設(shè)備。旋轉(zhuǎn)機(jī)械設(shè)備的運(yùn)行性能與滾動軸承的工作狀態(tài)緊密相關(guān)。因此，滾動軸承故障診斷技術(shù)一直以來都是機(jī)械故障診斷領(lǐng)域中的重要研究課題。隨著機(jī)械設(shè)備自動化程度越來越高，為了及時準(zhǔn)確地對滾動軸承進(jìn)行故障診斷，開展智能故障診斷研究顯得尤為必要。
　　滾動軸承故障診斷包含故障檢測和故障類型識別兩個方面。故障檢測實質(zhì)上是一個單分類問題，而故障類型識別是一個多分類問題。因此，滾動軸承智能故障診斷的關(guān)鍵

2、在于模式識別。近年來，基于概率統(tǒng)計的模式識別方法、聚類算法、神經(jīng)網(wǎng)絡(luò)和基于核的模式識別方法等被國內(nèi)外相關(guān)學(xué)者應(yīng)用到滾動軸承的故障診斷，并取得了豐碩的研究成果。其中，基于核的模式識別方法尤其受到關(guān)注。從幾何角度來看，一些典型的基于核的模式識別方法如支持向量機(jī)、支持向量數(shù)據(jù)描述和最大間隔仿射包分類等都是采用一種幾何模型估計樣本集的類別分布，然后再利用某種決策規(guī)則建立分類模型。受這一思路啟發(fā)，論文在國家自然科學(xué)基金項目（項目編號:510751

3、31）和湖南省研究生科研創(chuàng)新項目(項目編號:CX2014B146)的資助下，將凸包作為類別分布的估計模型并提出了基于凸包的模式識別方法，為滾動軸承智能故障診斷提供新的思路和技術(shù)。
　　論文主要研究工作如下:
　　(1)針對滾動軸承的故障檢測問題，提出了基于凸包的單分類(One-ClassClassification based on the Convex Hull，OCCCH)方法，并且提出了廣義Gilbert算法解決OCC

4、CH涉及的最小模問題。闡述了OCCCH與單類支持向量機(jī)(One-Class Support Vector Machine，OCSVM)之間的關(guān)系，并通過數(shù)值實驗對比分析了這兩種單分類方法的分類精度和計算效率。實驗結(jié)果表明，使用廣義Gilbert算法的OCCCH在計算效率方面要優(yōu)于使用貫序最小優(yōu)化(SequentialMinimal Optimization，SMO)算法的OCSVM，并且兩者的分類精度相當(dāng)。
　　(2)針對OCCC

5、H的核參數(shù)選擇問題，提出了改進(jìn)的MIES(Improved MIES，IMIES)算法選擇高斯核參數(shù)。通過數(shù)值實驗對比分析了IMIES與另外兩種基于決策邊界松緊程度的高斯核參數(shù)選擇方法(MIES和DTL)的性能。實驗結(jié)果表明，IMIES能夠比MIES和DTL選擇更為合適的高斯核參數(shù)。經(jīng)過IMIES選擇高斯核參數(shù)和廣義Gilbert算法訓(xùn)練模型，將OCCCH應(yīng)用于滾動軸承故障檢測，結(jié)果表明所提出的單分類方法可有效檢測滾動軸承的故障。

6、>　　(3)針對廣義Gilbert算法在迭代后期速度變得緩慢這一問題，提出了廣義Mitchell-Dem'yanov-Malozemov(MDM)算法解決OCCCH中的最小模問題。從理論上比較了廣義MDM算法和廣義Gilbert算法在更新策略和算法復(fù)雜度等方面的不同。數(shù)值實驗對比分析結(jié)果表明，廣義MDM算法相對于廣義Gilbert算法在計算效率方面具有明顯優(yōu)勢。
　　(4)針對滾動軸承的故障類型識別問題，在定義彈性凸包的基礎(chǔ)上提出

7、了最大間隔彈性凸包分類(Maximum Margin Classification based on Flexible Convex Hulls，MMC-FCH)方法。通過數(shù)值實驗驗證了MMC-FCH的有效性，同時也將其與另兩種最大間隔分類方法比較。將MMC-FCH應(yīng)用到滾動軸承的故障類型識別。實驗結(jié)果表明，MMC-FCH不僅可以識別滾動軸承的故障位置也能夠識別故障程度。
　　(5)將凸包估計與最近鄰分類思想相融合，提出了基于凸包

8、的另一種多分類方法，即最近鄰?fù)拱诸?Nearest Neighbor Convex Hull Classification，NNCHC)方法。同時，對廣義MDM算法進(jìn)行修改并將其推廣到NNCHC中的優(yōu)化問題。將NNCHC和局部特征尺度分解(Local Characteristic-scale Decomposition，LCD)相結(jié)合，提出了基于NNCHC和LCD的滾動軸承故障診斷方法。實驗結(jié)果表明，NNCHC能成功地實現(xiàn)對滾動軸承故