基于NGA-SVM的滚动轴承故障诊断方法.pdf

《基于NGA-SVM的滚动轴承故障诊断方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第31卷第2期计算机仿真2014年2月文章编号：1006—9348(2014)02—0396—05基于NGA—SVM的滚动轴承故障诊断方法李雅梅，贺西(辽宁工程技术大学电气与控制工程学院，辽宁葫芦岛125105)摘要：为解决故障轴承的特征提取和故障特征准确分类的问题，提出了一种小波包变换和小生境遗传算法参数优化混合核支持向量机相结合的故障识别方法。滚动轴承故障时产生的振动信号具有非平稳特性，而小波包变换具有良好的时一频局部化特征，非常适于对瞬态或时变信号进行特征提取；采用小生境遗传算法对支持向量机进

2、行参数优化，可很好地完成模式识别和非线性回归。利用上述原理，首先，提取经小波包变换后的故障特征信息；然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别。通过对比分析，实验结果表明，在有限故障样本条件下，改进方法具有更好的诊断效果。关键词：小生境遗传算法；故障诊断；小波包；支持向量机；参数优化中图分类号：TF391．9文献标识码：BRollingBearingFaultDiagnosisApproachBasedonNGA—-SVMLIYa—mei．HEXi(FacultyofElectr

3、icalandControlEngineering，LiaoningTechnicalUniversity，HuludaoLiaoning125105，China)ABSTRACT：Inordertosolvetheproblemsoffeatureextractingandfeatureclassifyingoffaultbearingsdiagnosis，themethodoffaultrecognitionofroilingbearingsbasedonwaveletpackettransfo

4、rmandnichegeneticalgorithm(NGA)waspresented，whichCanoptimizemixedkernelfunctionofsupportvectormachine(SVM)．Thevibrationsignalsgeneratedbyfaultofrollingbeatinghavethecharacteristicsofnon—stationary，andwaveletpackettransformpossessesexcellentcharacterist

5、icoftime——frequencylocalizationandissuitableforanalyzingthetime——varyingortransientsignals．SVMbasedonnichegeneticalgorithm(NGA)iscapableofpatternrecognitionandnonlinearre-gression．Bytheaboveprinciples，thewaveletpackettransformextractsthefaultfeaturevec

6、tor，andthefaultpatternofroiiingbearingWasrecognizedbySVMmuitipiefaultclassifier．Bycontrastanalysis，theexperimentshowsthatthismethodhasbetterclassificationperformanceundertheconditionoflimitedfaultsamples．KEYWORDS：NGA；Faultdiagnosis；Waveletpacket；SVM；Pa

7、rameteroptimizationl引言对滚动轴承的运行状态监测和故障模式的识别一直是机械故障诊断技术中的重点。据统计，旋转机械故障的30％是由轴承故障引起的，在滚动轴承的故障中90％的故障来自外环和内环的故障。滚动轴承故障诊断是一种多分类问题，提取轴承故障信号特征是滚动轴承故障诊断的基础。当滚动轴承出现故障时，其振动信号表现为非平稳特性，同时振动信号包含了各种噪声，故障信息常淹没在噪声中，如何有效地提取出滚动轴承特征是滚动轴承故障诊断中的难点问题。传统的傅里叶变换，由于其所依赖的是基函数是复正

8、弦，只能体现频域基金资助：国家自然科学基金资助项目(51274118)收稿日期：2013—04—16修回日期：2013—05—23---——396---——特点，而缺少时域定位功能，故而不适合非平稳信号的分析；而小波包变换是目前应用非平稳信号分析的较好的方法之一¨J。小波包变换技术通过对振动信号进行小波包分解，可以得到每一频带内振动信号的变化规律，然后可以从中提取出能够真实反映轴承冲击振动现象的特征频带信号。目前，滚动轴承故障诊断常用神经网络、专家系统、贝叶斯网络、支