基于小波包与SVM的滚珠丝杠故障诊断.pdf

《基于小波包与SVM的滚珠丝杠故障诊断.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、2014年10月机床与液压0ct．2014第42卷第19期MACHINET0OL＆HYDRAULICSV0l_42No．19DOI：10．3969／j．issn．1001—3881．2014．19．047基于小波包与SVM的滚珠丝杠故障诊断孟祥敏，宋平，谭继文(青岛理工大学，山东青岛266033)摘要：采取小波包方法对数控机床滚珠丝杠故障信号进行分析，结合时域分析，提取不同故障状态下的特征值，得到支持向量机(SVM)的输入特征向量；研究并确定了应用二叉树算法与RBF核函数，采用遗传算法对SVM的参数寻优，建立了SVM多故障分类器，实现了滚

2、珠丝杠的故障诊断与分类。最后通过实验结果证明了多故障分类器的可行性与有效性。关键词：滚珠丝杠；小波包；二叉树；SVM；遗传算法中图分类号：TG659文献标识码：A文章编号：1001—3881(2014)19—181-4BallScrewFaultDiagnosisBasedonWaveletPacketandSupportVectorMachineMENGXiangmin，SONGPing，TANJiwen(QingdaoTechnologicalUniversity，QingdaoShandong266033，China)Abstrac

3、t：WaveletPacketmethodisusedtoanalysefaultsignalsfromtheBallScrewofCNCmachine．Bycombingwiththetime—domainanalysis，featurevaluesunderdifferentfaultconditionsweredrawnSOastoachievingthefeaturevectorwhichwasputintotheSupportVectorMachine(SVM)．ThebinarytreealgorithmandRBFkerne

4、lfunctionwerestudiedandchosen，thenthegenetical‘gorithm(GA)fortheoptimizationofSVMp~ametemwasused，lastlytheSVMmulti—faultclassifierwasestablishedtorealizefaultdi—agnoseandclassifyofBallScrew．Finallythroughexperimentalresults，thatshowsthefeasibilityandvalidityofthismulti—fa

5、ultclassifi—er．Keywords：Ballscrew；Waveletpacket；Binarytree；SupportVectorMachine；GA0前言断。滚珠丝杠作为最常用的运动变换装置，广泛应用1小波包分析于数控机床的传动系统，对机床的加工性能具有很大1．1基本原理的影响，因此监测滚珠丝杠的状态，及时诊断其故障小波多分辨率分析从函数空间的角度来研究函数是保证数控机床正常工作的一个重要条件。以往滚珠或信号的多尺度表示，是将信号分解成不同空间的成丝杠的故障诊断⋯大多靠人工经验与简单仪表的应分，它提供了一种构造小波的统一框

6、架，其实质是对用来完成。智能诊断技术的发展为丝杠故障诊断提供尺度空间的一系列细化分解的过程，将尺度空间不断了新的较为精确的方法。目前，神经网络方法在机向下级分解，但其不分解信号高频部分，因而导致高械故障智能诊断中应用广泛，而由于其存在高维问题频段的频率分辨率较差，低频段时间分辨率较差，而和学习机器结构问题、局部极值问题、小样本问题，小波包分析对高频部分继续分解，并根据信号的特最终也难以取得理想的诊断效果。征，自适应确定信号在不同频段的分辨率，从而提高SVM采用结构风险最小化原则，在有限样本的时频分辨率。学习精度和泛化能力之间寻求最佳折中的

7、解决方法，因为尺度函数U。()和小波函数(t)有两尺度能有效地避免上述神经网络面临的问题等，具有良好关系：的推广性能。本文作者通过对滚珠丝杠振动信号进行fM。(￡)=∑()Uo(2t一，、分析，提取一部分典型的时域特征，并利用小波包算2(1)法分解、提取能量特征作为故障特征参数，通过【。()=∑g()lZo(2t一)建立SVM多故障分类器，实现了滚珠丝杠的故障诊其中U。(t)=(t)，u(t)=(t)，贝0有：收稿日期：2013—09—17基金项目：国家自然科学基金资助项目(51075220)；青岛市基础研究计划项目(12—1—4—4一(

8、3)一JCH)作者简介：孟祥敏(1987一)，女，蒙古族，硕士研究生，研究方向为机械无损检测与故障诊断。E—mail：914817131@qq·como通信作者：谭继文，E—mail：tanf