基于独立分量分析和相关向量机的轴承故障诊断研究-论文.pdf

基于独立分量分析和相关向量机的轴承故障诊断研究-论文.pdf

ID:53744370

大小:538.56 KB

页数:4页

时间:2020-04-22

基于独立分量分析和相关向量机的轴承故障诊断研究-论文.pdf_第1页
基于独立分量分析和相关向量机的轴承故障诊断研究-论文.pdf_第2页
基于独立分量分析和相关向量机的轴承故障诊断研究-论文.pdf_第3页
基于独立分量分析和相关向量机的轴承故障诊断研究-论文.pdf_第4页
资源描述:

《基于独立分量分析和相关向量机的轴承故障诊断研究-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、l訇出基于独立分量分析和相关向量机的轴承故障诊断研究Researchonfaultdiagnosisofrollingbearingsbasedonindependentcomponentanalysisandrelevancevectormachine李强,皮智谋LlQiang,PlZhi—mou(湖南工业职业技术学院机械工程系,长沙410208)摘要:提出了将独立分量分析(ICA)与相关向量机(RVM)两者结合进行滚动轴承故障诊断的方法。在设计的系统平台上,首先对轴承振动测试信号进行预处理,以使其能较好地满足IOA的前提条件,再应用独立分量快速

2、算法(FastICA)分离轴承状态信号并提取特征向量,然后,应用相关向量机做为故障分类器实现轴承故障状态识别。对6206普通球轴承在正常状态和内圈、外圈、滚动体故障状态所进行的故障诊断实验表明,该方法能够准确、有效地对滚动轴承故障进行识别。关键词:独立分量分析;相关向量机;故障诊断;滚动轴承中囝分类号:TH113.1;TP206+.3文献标识码:A文章编号:1009-0134(2014)08(上)-0006-04Doi:10.3969/J.issn.1009-0134.2014.08(E).020引言的影响。滚动轴承是各种旋转机械中应用最广泛的一得

3、益于计算机技术的快速发展,各种人工智种通用机械部件,它的运行状态是否正常往往直能方法也被广泛应用到模式识别和状态诊断等领接影响到整台机械的性能(包括精度、可靠性及寿域。由于不需要精确的故障诊断对象数学模型,命等)。据统计,现场实际故障中的30%是由于滚通过特征提取、模式识别和聚类分析进行故障检动轴承的故障而引起的。因此,对滚动轴承进行测与诊断,在轴承故障这种因素较多、波动较大的故障诊断和预测己经成为各国研究的热点。情况中,智能故障诊断技术拥有广阔的应用前景。轴承诊断信号具有非平稳时变信号的特征,目前主要的方法有支持向量机】、神经网络u川、常见的傅里

4、叶分析、小波分析等信号处理技术难模糊理论n、粗糙集n引、灰色理论、遗传算法和以有效进行故障诊断,大量的科技工作者在信号马尔科夫模型等等。但总体而言,这些基于大样处理技术方面做出了很大的努力,涌现出很多改本的学习理论的识别方法还难以适应轴承故障等进的故障诊断方法。文献【3]~【6】提出基于EMD分这类只能提供少量故障样本的识别和诊断。解的Hilbert-Huang变换法,对轴承振动非平稳信号相关向量机(RelevanceVectorMachine,RVM)通过EMD分解,可以得到若干个平稳的本征模函是一种基于贝叶斯框架进行训练的新的机器学习数(Int

5、rinsicModeFunction,IMF)。轴承若发生了不工具。它与支持向量机(SVM)一样,基于核函同故障,在不同频带中的振动信号频率分布也会数映射将低维空间的非线性问题转化为高维空间的相应产生变化,因此,可通过计算不同振动信号线性问题,但是RVM的核函数的计算量较SVM大某个本征模函数的频谱来判断轴承是否发生故障为减少,并且所选核函数不受Mercer~理的限制。以及故障的类型。但受背景噪声影响,故障频率针对滚动轴承故障诊断中存在的获取大量故常常并不明显。滚动轴承属于旋转机械,在正常障数据样本困难、故障特征提取难、诊断知识获工况下,其振动信号

6、接近高斯分布,一旦发生故取困难、推理能力弱等问题,提出一种独立分量障,信号就会偏离高斯分布。因此,文献【7】、【8】分析与相关向量机相结合实现轴承故障诊断的方利用ARMA模型和AR模型对机械设备运行状态进法。首先对所测得的轴承振动信号进行预处理,行监测和故障诊断,以消除故障信号非高斯分布再利用ICA方法提取状态特征向量,然后将其输入收稿日期:2014-04-28基金项目:湖南省科技计划项目(2012GK3094)作者简介:李强(1975一),男,湖南宁乡人,副教授,博士研究生,研究方向为机械十与故障诊断、热处理与检测技术。[el第36卷第8期201

7、4-08(上)I匐到RVM组成的滚动轴承多故障分类器,实现故障ln=u,例化仪但l口J基w(0J识别。章1ICA原理与FastlCA算法l对w进行调整,,l+1):E{xg(wr()x)卜一E’(()z)l,1)卜I1.1lCA原理独立分量分析(ICA)模型用矩阵形式可描述归一化处理,l+1)=w(n+1)/11w(n+1)【l为:/支、、否X=AS(1)式中,=Ix),(f),⋯,(f)r,为一组观测l⋯.⋯、⋯l信号;S=[。(f),:(f),⋯,3n(f)】则是一组未知的且相互独立的源信号。x中的各分量是由s中的各独图1FastICA算法迭代

8、过程立源信号线性组合而成。A则是由混合系数{aii)组成的未知混合矩阵。相关向量机模型输出可以定义为:ICA算法要在S和A

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。