基于PCA的滚动轴承故障检测方法.pdf

《基于PCA的滚动轴承故障检测方法.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27卷第6期计算机仿真2010年6月文章编号：1006-9348(20io)06-0325—05基于PCA的滚动轴承故障检测方法许丽，张进明，张广明，徒伟(南京工业大学自动化与电气工程学院，江苏南京210009)摘要：针对滚动轴承故障检测数据处理的问题，由于机械轴承损坏引起机器的故障，为保障安全，要进行检测。现提出了一种主元分析PCA与统计相结合的方法。首先介绍了基于PCA的滚动轴承故障检测方法的相关理论知识，利用PCA算法将滚动轴承振动信号数据建立模型，并将降维后获彳导的数据用统计方法即1r2和SPE进行处理，从而检测出轴承故障。为了研究上述方法

2、对不同情况下滚动轴承的故障检测效果，选取不同直径、不同采样频率、不同转速、不同负载f『I{种情况下的故障进行实验。实验结果表明，方法能较好地分辨出轴承的正常和故障状态，可以较好地解决滚动轴承故障检测数据处理的问题。关键词：滚动轴承；主元分析；统计方法；故障检测中图分类号：TF206+．3文献标识码：BAMethodofRollingBearingFaultDetectionBasedonPCAXULi，ZHANGJin—ruing，ZHANGGuang—ruing，TUWei(CollegeofAutomationandElectricalEn百n唧

3、llg，NanjingUniversityofTechnology，NanjingJiangsu210009，China)ABSTRACT：Amethodbasedonaprincipalcomponentanalysis(PCA)combinedwithStatisticalmethodsispro-posedforthedataprocessingproblemoftherollingbearing．First，therelevanttheoreticalknowledgeoftherollingbearingfaultdetectionmeth

4、odswhichisbasedonPCAisintroducedinthispaper．ThenthePCAalgorithmisusedtosetupmodelswiththeroUingbeatingvibrationsisnaldata．ThenthealgorithmofrandSPEisusedtodealwiththedataofdimensionalityReduction．Thenthebe撕llgfaultisdetected．Fourgroupsofexperimentswithdifferentdiam-eter，samplin

5、gfrequency，speedandloadarecarriedtostudytheeffectofrollingbearingfaultdetectionunderdiffer-entcircumstancesinthisarticle．TheexperimentalresultsshowthatthemethodCansolvethedataprocessingproblemofrollingbearngfaultdetectionanddistinguishthenormalbearingsandfaultstatus．KEYWORDS：Ro

6、llingbearing；Principalcomponentanalysis(PeA)；Statisticalmethods；Faultdetectionl引言滚动轴承是各种旋转机械中应用最广泛的一种零件，也是机械设备中最容易损坏的零件之一，其运行状态直接影响到整台机器的性能。在对滚动轴承监测和诊断过程中，故障信号的分析处理是其中的核心内容，它在提高诊断的准确性和可靠性方面处于非常重要的位置。常规的故障信息处理技术包括故障信号检测和故障信号分析处理两个部分⋯。主元分析方法(PrincipalComponentsAnalysis，PCA)是～种利用统

7、计原理建立描述系统的低维模型的方法。本文结合严和SPE讨论了PCA用于过程故障检测的原理。收稿日期：2009一03—30修回日期：2009一05一ll2PCA用于故障诊断的基本理论旧J2．1PCA的基本理论PCA可以用于减少特征空问维数，确定变量的线性组合，选择最有用的变量，变量辨识，识别目标或是异常值分组等。主分量子空间提供了从高维数据到低维数据在均方误差意义下的数据压缩，它能最大程度地减少方差。PCA是一种考察多个数值变量问相关性的多元统计方法。PCA研究如何通过少数几个主成分来解释多变量的方差一协方差结构。具体说是导出少数几个主成分，它们尽可能

8、多地保留r原始变量的信息，且彼此间又不相关主成分分析的实质是将高维数据降为低维数据，使人们能够更直观地看到数