目录手把手教你学 Simulink—— 基于支持向量机（SVM）的电机轴承故障诊断仿真（落地版）一、为什么轴承故障诊断要用 SVM（先讲透原理）1.1 SVM 核心思想1.2 为什么选 RBF 核1.3 关键参数 C 和 γ二、总体流程（四阶段链路）三、Step ① 电机+轴承故障 Simulink 模型3.1 故障注入原理3.2 振动信号生成（MATLAB，可封装进 Simulink MATLAB Function）3.3 数据集构建四、Step ② ★特征提取（本讲核心）4.1 16 维特征矩阵（12 时域 + 4 频域）[6]4.2 特征矩阵组装五、Step ③ 数据降维（PCA）六、Step ④ ★SVM 分类 + SSA 参数优化6.1 麻雀搜索算法（SSA）优化 C 和 γ [2]6.2 交叉验证准确率函数6.3 主程序七、Step ⑤ Simulink 部署（推理）八、测试与评估8.1 测试方案8.2 定量对比（预期量级，与文献对标）8.3 抗噪性测试（SNR 影响）8.4 混淆矩阵（预期）8.5 特征重要性（PCA 贡献）九、调参边界与避坑指南9.1 关键参数表9.2 常见坑十、工程扩展方向十一、与前面系列的关系手把手教你学 Simulink—— 基于支持向量机（SVM）的电机轴 学 Simulink—— 基于支持向量机（SVM）的电机轴承故障诊断仿真
目录手把手教你学 Simulink—— 基于支持向量机（SVM）的电机轴承故障诊断仿真（落地版）一、为什么轴承故障诊断要用 SVM（先讲透原理）1.1 SVM 核心思想1.2 为什么选 RBF 核1.3 关键参数 C 和 γ二、总体流程（四阶段链路）三、Step ① 电机+轴承故障 Simulink 模型3.1 故障注入原理3.2 振动信号生成（MATLAB，可封装进 Simulink MATLAB Function）3.3 数据集构建四、Step ② ★特征提取（本讲核心）4.1 16 维特征矩阵（12 时域 + 4 频域）[6]4.2 特征矩阵组装五、Step ③ 数据降维（PCA）六、Step ④ ★SVM 分类 + SSA 参数优化6.1 麻雀搜索算法（SSA）优化 C 和 γ [2]6.2 交叉验证准确率函数6.3 主程序七、Step ⑤ Simulink 部署（推理）八、测试与评估8.1 测试方案8.2 定量对比（预期量级，与文献对标）8.3 抗噪性测试（SNR 影响）8.4 混淆矩阵（预期）8.5 特征重要性（PCA 贡献）九、调参边界与避坑指南9.1 关键参数表9.2 常见坑十、工程扩展方向十一、与前面系列的关系手把手教你学 Simulink—— 基于支持向量机（SVM）的电机轴