基于S变换和改进SVD的滚动轴承智能诊断方法.pdf

《基于S变换和改进SVD的滚动轴承智能诊断方法.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、2016年仪表技术与传感器2016第1期InstrumentTechniqueandSensorNo．1基于S变换和改进SVD的滚动轴承智能诊断方法张龙，张磊，熊国良，周继惠(华东交通大学机电工程学院，江西南昌330013)摘要：对于滚动轴承而言，工程实际中存在诊断样本与训练样本故障类型相同(如均为滚动体故障)但故障程度却不同的现象，同时滚动轴承发生故障时其振动信号表现出明显的非平稳性，因此文中提出一种基于s变换和改进奇异值分解的滚动轴承故障程度鲁棒的智能诊断方法。首先利用s变换得到滚动轴承振动信号时频分布矩阵

2、，再利用改进奇异值分解方法对时频矩阵进行降维进而得到约简的特征向量，最后将提取到的故障特征向量作为支持向量机的输入，利用支持向量机识别轴承所属的故障类型。实验结果表明，该方法能有效地解决滚动轴承训练样本与测试样本故障程度不一致时的诊断问题，效果优于传统滚动轴承诊断方法。关键词：s变换；改进奇异值分解；支持向量机；故障诊断中图分类号：TP212文献标识码：A文章编号：1002—1841(2016)01-0063—04AntifrictionBearingIntelligentDiagnosticApproachB

3、asedonSTransformationandImprovedSVDZHANGLong，ZHANGLei，XIONGGuo—liangZHOUJi—hui(SchoolofMechatronicEngineering，EastChinaJiaotongUniversity，Nanchang330013，China)Abstract：Consideringrollingbearingvibrationsignalsexhibitingnon-stationarycharacteristics，anintelli

4、gentdiagnosismeth-odofrollingbearingtofaultdegreerobustwasproposedbasedonStransformationandimprovedsingularvaluedecomposition(IS—VD)．Inpracticalengineering，testingsampleshavethesalnefaulttypewithtrainingsamples(suchasballfault)，howeverthede—greeoffaultmayvaI

5、y，andtheproposedapproachsolvedtheproblemsoffaultdiagnosisinpracticalengineering．Thevibrationsig-nalsofrollingbearingswerefirstlyconductedStransformationbytime—frequencymethod，theimprovedsingularvaluedeeomposi-tiouwasutilizedtoextractfeaturevectorsfromtransfo

6、nnedmatrices，andtheninputtosupportvectormachines(SVMs)asfeaturevectors．Thesupportvectormachinewasusedtosimultaneouslyjudgebearingfaulttype．Theresultsverifytheefectivenessoftheproposedapproachandthismethodisbetterthantheresultsoftraditionalmethodsforthepracti

7、calproblemstofaultdegreerobust．Keywords：Stransformation；improvedsingularvaluedecomposition；SVM；faultdiagnosis；0引言WATF)用于解决滚动轴承故障诊断时训练样本与测试样本故滚动轴承是旋转机械中运用最为广泛且最易失效的零部障程度不一致的问题。然而该方法在训练时需要预先知道故件之一，其健康状态直接关系设备整机性能及寿命。因此，障样本在各种故障程度下的分布，事实上我们不可能预先获取有效进行滚动轴承故障诊断对于

8、设备可靠运行具有重要的现所有可能故障程度下故障样本J。故障程度的不同会引起振实意义。然而，现有研究存在一个导致其工程实际应用受限的动信号的变化，忽视这一事实会导致已有的故障诊断方法诊断缺陷，即训练和测试阶段用到轴承样本的故障程度是完全相同效果不佳。的。而在工程实际中，被诊断的样本与训练阶段的样本虽然故滚动轴承故障诊断的关键在于如何从非平稳的振动信号障类型相同(如均为滚动体故障)，但故障