基于多类SVM与改进EMD的故障诊断.pdf

《基于多类SVM与改进EMD的故障诊断.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、2010年第6期·控制与检测·文章编号：1001—2265(2010)06—0029—03基于多类SVM与改进EMD的故障诊断饶俊。王太勇’(1．天津大学天津市先进制造技术与装备重点实验室，天津300072；2．天津财经大学，天津300222)摘要：鉴于传统方法在智能故障诊断中存在着一些不足，提出了一种基于多类支持向量机(SVM)和改进的经验模式分解(EMD)的故障检测与诊断办法。首先通过采用窗口平均法的EMD将原始信号自适应分解到分布在不同频带的基本模式分量(IMF)，再用特征归一化处理进行特征提取，然后输入多类SVM分类器进行分类，从而对设备的当前状况作出判

2、断。经过实验证明，本方法可以有效地对轴承设备进行故障诊断。关键词：支持向量机；故障诊断；经验模式分解；特征提取中图分类号：TH165．3文献标识码：AFaultDiagnosisBasedonMulti-classSupportVectorMachineandImprovedEmpiricalModeDecompositionRAOJun一，WANGTai．yong(1．TianjinKeyLaboratoryofAdvancedManufacturingTechnologiesandEquipments，TianjinUniversity，Tian—jin30

3、0072，China；2．TianjinUniversityofFinanceandEconomics，Tianjin300222，China)Abstract：Aimingatthedisadvantageofclassicneuralnetworks，anewfaultdiagnosismethodisproposedbasedonmulti-classsupportvectormachine(SVM)andimprovedempiricalmodedecomposition(EMD)．Firstly，vibrationsignalsareadaptivel

4、ydecomposedintoseveralintrinsicmodefunctions(IMF)fromoriginalsignalsbyEMDusingwindowaverage．Thenthosefunctions，whichbelongtodifferentfrequencybands，areregardedastheinputcharacteristicvectorsofSVMforfaultclassificationafterdealingwiththefeaturenormal-izationLastly，informationisacquire

5、dforjudgingthestatusofdevices．Thismethodprovedtobevalidinabearingsfaultdiagnosisexamples．Keywords：supportvectormachine；faultdiagnosis；empiricalmodedecomposition；featureextraction本文结合两种理论，并加以改进，提出了一种新的0引言故障检测与诊断办法，并通过一个滚动轴承的故障诊在机械设备的状态监控过程中，原始信号受复杂断实例，证明该种方法对于设备状态的监控和故障诊背景噪声影响，呈现为非线性和

6、非平稳性，严重影响了断是有效的。设备的故障分析和诊断。面对复杂工况下设备可能1多类SVM出现的多类故障，传统的故障诊断方法(如神经网络)需要大量的训练样本供机器学习，但现实情况中往往1．1SVM分类决策函数无法满足这一条件。经过深入研究和反复实验，人们SVM算法可表示为如下优化问题：陆续提出了一些理论和方法，如针对传统人工神经网，1nmin．，(，b，)=了1+÷y∑络方法的一些弊端提出的支持向量机(SupportVec．一一i=ltorMachine，SVM)、以及用于分析非线性、非平稳信5．t．Y咖(．)十b]=1一(i=1，2，⋯n)号的经验模式分解(Em

7、piricalModeDecomposition，其中，是输入矢量，W是可调的权值矢量，b是偏置，EMD)。而且这些理论和方法至今仍在不断被优化≥0为松弛变量，可以度量一个数据点对模式可分的和改进⋯。理想条件下的偏离程度，是平衡最小分类边界和最小收稿日期：2010—03—05}基金项目：国家“863”高技术研究发展计划资助项目(2006AA04Z146、2007AA042005)；高等学校博士学科点专项科研基金资助项目(20060056016)作者简介：饶俊(1979一)，男，江西上饶人，天津财经大学讲师，博士，主要从事远程设备诊断和虚拟制造技术，(E—mail

8、)~new@sina．C