基于谐波小波包和SVM的滚动轴承故障诊断方法

《基于谐波小波包和SVM的滚动轴承故障诊断方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第31卷第4期沈阳航空航天大学学报VolI31No．42014年8月JoumalofShenyangAerospaceUniVers时Aug．2014文章编号：2095—1248(2014)04—0050—05基于谐波小波包和SVM的滚动轴承故障诊断方法徐涛，裴爱岭，刘勇(沈阳航空航天大学自动化学院，沈阳110136)摘要：针对滚动轴承故障诊断问题开展研究，设计了基于谐波小波包和支持向量机(sVM)的新型诊断方法。与传统的时频特征提取方法相比，谐波小波包具有盒状频谱和无限细分的优势。首先对滚动轴承的振动数据进行谐波小波包分解，利用各频段的小波分解系数计算特征能量

2、，归一化之后作为特征向量，为设计的多类sVM模型提供训练样本和测试样本。利用sVM的非线性映射能力，将三个二分类器相组合设计了基于二叉树的多类sVM模型，实现了对滚动轴承的故障诊断。最后，利用casewest锄Resen，euIliversity电气工程实验室的滚动轴承试验台的振动数据对设计的诊断方法进行了验证。结果表明，设计的诊断方法比传统的方法具有更高的准确率。关键词：故障诊断；滚动轴承；谐波小波包；支持向量机中图分类号：TP206．3文献标志码：Adoi：10．3969／i．issn．2095—1248．2014．04．010Faultdiagnosiso

3、froUerbearingswithharmonicwaVeletpackageandSVMXUTao，PEI～一1ing，LIUYong(C01legeofAutomation，ShenyangAerospaceUIliVersity，Shenyallg11叭36，China)Abstract：Thisp叩erfocusesonr01lerbe撕ngfaultdiagnosisandproposesanoVelmemodwimh姗onicwaveletpackageandSupportVectorMaclline(SVM)．Comparedwimtllecon

4、Ventionaltime。fbquencyfea—tureexactionmemod，hanIlonicwaveletpackagepossessesbetterperfbmlanceswimbox—shapedspectmmandunliIIlitedsubdivision．鼢sⅡy，t11erollerbe撕ngVibrationsignalsaredecomposedwithhanllonicwaVeletpackageandmefeatureenergyiscalculatedwimcoefficientsofeachspectmm．Afterthef

5、eatureenergyhasbeennomalized，thefeaturevectorisavailableformetrainingsamplesortestingsamplesoftllediagnosismodel．Basedonmemulti—levelbinarytree，thispaperestablishesamulti—classmcationSVMmodelduetoitssuperiornonlinearmappingcapability．Tllree2一classificationsareincorporatedtodiagnoseth

6、er011erbear—ingfaults．Finally，meproposedmetllodistestedwimmeVibrationdatafromther011erbearingstandoftheelectricengineering1abinCaseWestemReser、，eUniVersity．Theexp舐mentalresultsshowtlleproposedmemodpossesseshigheraccuracycomparedwithconven廿onalmethods．Keywords：faultdiagnosis；rollerbea

7、ring；h锄10nicwaVeletpackage；supportVectormachine作为一种精密的机械元件，滚动轴承是机械设备中广泛应用的部件，其运转状态的好坏将直接影响设备的性能及生产安全，一旦发生故障将导致非常严重的后果。因此，针对滚动轴承故障诊断技术开展研究对保障设备的安全运行非常重要。由于滚动轴承振动信号的非平稳特性，国内外的很多研究人员利用时频分析技术提取故障特征。文献[1]采用多尺度线调频基的稀疏信号分解方法将非滚动轴承的平稳信号转化为平稳信号，实现对内圈故障和外圈故障的特征识别。文收稿日期：2014—05—28作者简介：徐涛(1971一)

8、，男，辽宁彰武人，副教授