针对齿轮故障诊断模式识别问题

在综合局部特征尺度分解、遗传算法及最小二乘支持向量机学习算法各自优点的基础上

提出了一种新的局部特征尺度分解—遗传算法—最小二乘支持向量机（LCD-GA-LSSVM）集成分类器模型。在该模型中

利用局部特征尺度分解算法实现对样本数据的特征选取;最小二乘支持向量机实现样本特征向量与故障模式之间的非线性映射;遗传算法用于实现对最小二乘支持向量机的参数进行优化以使其泛化能力达到最优。经过实验分析与验证

LCD-GA-LSSVM集成分类器对齿轮正常、齿根裂纹、齿面磨损、轮齿折断、局部齿形误差、复合故障等6种运行状态120组测试样本的识别率达到了93.33%。