《基于LMD与改进SVM的轴承故障诊断》为作者：李道军最新的研究成果，本论文的主要观点为针对实际提取轴承振动信号故障特征信息困难的现状，提出基于局部均值分解（LMD）与改进支持向量机（SVM）的故障分析方法。首先将采集的振动信号进行LMD分解，得到若干数量乘积函数（PF）分量，计算各PF能量并选取能量百分比值作为识别故障的特征向量；其次针对SVM不能自适应选择核函数参数g和惩罚因子C的问题，提出利用细菌觅食优化算法对SVM进行参数优化；最后将特征值输入改进的SVM模型，对轴承故障状态进行识别。实验结果分析表明，相对于传统的SVM模型、隐马尔科夫模型（HMM），改进后的SVM模型对轴承故障的识别准确率提高了7%以上，验证了此方法的可靠性。不知是否符合录用要求，望您批评与指正。