资源描述：
《小波包2支持向量数据描述在轴承性能退化评估中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、振动与冲击第28卷第4期JOURNALOFVIBRATIONANDSHOCKVol.28No.42009科研简报小波包2支持向量数据描述在轴承性能退化评估中的应用研究潘玉娜,陈进(上海交通大学机械系统与振动国家重点实验室,上海200240)摘要:轴承是旋转机械中的关键部件,相对于故障模式识别,性能退化评估可以更为有效地服务于设备主动维护以实现零停机率。小波包分解可以对信号进行更为精细的刻画,基于统计学习理论的支持向量数据描述是一种具有良好计算性能的单值分类方法。基于此,提出了一种基于小波包2支持向量数据描述的轴承性能退化评估方法,该方法以小波包分解的节点能量构成特征向量,仅需要
2、正常状态下的数据样本即可用支持向量数据描述建立知识库,在一定程度上实现了对待测样本退化程度的定量评估。通过应用于轴承不同点蚀大小和其加速疲劳寿命试验的全寿命周期,验证了所提出方法的可行性和有效性。关键词:支持向量数据描述;小波包分解;性能退化评估;加速疲劳寿命试验;轴承中图分类号:TH165.3;TN911;TH17文献标识码:A轴承作为旋转机械中的关键部件,一直是状态监退化程度的定量评估。将该方法分别应用于不同点蚀测和故障诊断领域的热点研究对象。现有的相关研究大小和加速疲劳寿命试验而获得的全寿命周期的轴承往往集中于故障模式识别,即实现不同故障类型的区振动数据,评估结果验证了该
3、方法的可行性和有效性。分。性能退化评估是最近提出的一种新的研究思路。1技术背景及性能退化评估方法区别于故障模式识别,它侧重于设备整体性能的研究,而淡化了故障模式的区分,是从理念和方法上对现有111小波包分解的故障诊断技术的全新拓展。设备的性能往往会从完小波包分解是小波分解的推广,对小波分解中没好逐渐经历一系列不同的退化状态直至完全失效,准有细分的高频部分进行了进一步分解,从而能够对信确进行性能评估是实现动态寿命预测、进而有效指导号进行更精细的刻画。企业生产、优化设备管理、提高企业综合竞争力的图1为三层小波包分解示意图。每一节点对应一关键。个子频带。对第j尺度上的第i节点进行小波
4、包信号目前,国外发达国家对该方面的研究高度重视。重构,得到重构信号为rj,i,则该节点能量为:2001年,在美国国家自然科学基金的资助下,威斯康辛2E(j,i)=∑(rj,i(l))(1)l大学和密西根大学联合工业界近40家企业共同成立了智能维护系统研究中心,一些性能退化评估方法已[1]被相继提出,如基于小脑模型神经网络、自组织特征[2][3][4]图神经网络、逻辑回归、隐马尔可夫模型的评估方法。小波包分解可以对信号实现更为精细的刻画,基于统计学习理论的支持向量数据描述是一种具有良好计算性能的单值分类方法,基于此,本文提出了一种基图1三层小波包分解示意图于小波包-支持向量数据描
5、述的轴承性能退化评估方法,该方法以小波包分解的节点能量为特征向量,仅需112支持向量数据描述[5]要正常状态下的样本数据,利用支持向量数据描述建支持向量数据描述是一种基于边界思想的单值立知识库即正常状态的特征空间边界,通过监测待测分类(one2classclassification)方法,与Vapnik等人提出样本在特征空间距该边界的广义距离,实现了对轴承的支持向量机(supportvectormachine,SVM)具有共同的理论基础———统计学习理论,但区别于SVM中寻求基金项目:国家自然科学基金资助项目(50675140),国家高技术研究发二分类间的最优超平面,而寻求包容
6、目标类的最优超展计划(863计划,2006AA04Z175)球面。图2是其二维空间的示意图。由于其鲁棒性和收稿日期:2008-05-09修改稿收到日期:2008-09-27良好的计算性能,已在数据压缩、语音识别、故障诊断、第一作者潘玉娜女,博士生,1981年生[6]状态识别等众多领域得到了广泛应用。第4期潘玉娜等:小波包2支持向量数据描述在轴承性能退化评估中的应用研究165(1)对正常状态下的数据利用小波包分解进行特征提取,利用支持向量数据描述算法建立知识库,即得到包络正常数据特征空间的超球面。(2)对待测状态的数据利用小波包分解进行特征提取,根据式(4)计算其至超球面的距离,
7、判断其是否属于正常状态。若判断为正常,则置健康指标HI=0,若判断为异常,则表明已偏离正常状态进入退化过程,置HI=Δ,HI越大,表明偏离正常状态越远,退化程度图2SVDD在二维空间的示意图越严重。对于目标类样本X={x1,x2,⋯,xN),我们的目的就是要找到一个包容最小体积的超球面,使得所有的xi都包含在该球体内,但如果目标样本中含有野点时,会得到一个非常大的超球面,以至于无法很好的对目标类进行区域描述。因此,该方法引入了松弛因子,它起到控制对错分样本惩罚程度的作用,从而实现在错分样本的
