發(fā)布時間：2017-10-18 12:00

  本文關(guān)鍵詞：基于Hilbert包絡譜奇異值和IPSO-SVM的滾動軸承故障診斷研究

  更多相關(guān)文章： EMD IMF 改進粒子群算法 支持向量機 滾動軸承

【摘要】：針對表征滾動軸承故障信號特征難提取及支持向量機結(jié)構(gòu)參數(shù)依據(jù)經(jīng)驗選取,致使故障分類模型的精度、泛化能力差的問題,提出一種基于Hilbert包絡譜奇異值和改進粒子群(Improved particle swarm optimization,IPSO)優(yōu)化支持向量機(Support vector machine,SVM)的滾動軸承狀態(tài)辨識方法。首先,利用經(jīng)驗模態(tài)分解(Empirical mode decomposition,EMD)所采集的滾動軸承信號,并將所獲相關(guān)程度較大的本征模式分量(Intrinsic mode function,IMF)進行Hilbert解調(diào)包絡分析來獲取包絡矩陣,并在此基礎(chǔ)上進行奇異值分解。其次,利用IPSO算法優(yōu)化SVM的懲罰系數(shù)和高斯核系數(shù)兩個結(jié)構(gòu)參數(shù),據(jù)此建立滾動軸承故障分類模型;并利用美國凱斯西儲大學軸承數(shù)據(jù)驗證了方法的有效性。實驗結(jié)果表明:與基于BP、SVM的故障分類模型相比,Hilbert包絡譜奇異值和IPSO優(yōu)化SVM的滾動軸承故障診斷分類模型具有更高的精度、更強的泛化能力。
【作者單位】： 內(nèi)蒙古科技大學機械工程學院;包頭鋼鐵集團公司設備動力部;
【關(guān)鍵詞】： EMD IMF 改進粒子群算法 支持向量機 滾動軸承
【基金】：國家自然科學基金(51565046) 內(nèi)蒙古自然科學基金(2015MS0512) 內(nèi)蒙古科技大學創(chuàng)新基金(2015QDL12)
【分類號】：TH133.33
【正文快照】： 0引言當前,機械裝備不斷向著大型化、高速化、精密化和自動化的“四化”方向發(fā)展。針對關(guān)鍵設備進行狀態(tài)監(jiān)測與故障診斷不僅能有效提高設備可靠性,更便于實現(xiàn)由“事后維修”到“預知維修”的轉(zhuǎn)變[1]。滾動軸承作為機械設備中通用零部件應用廣泛;然而,由于工況復雜、環(huán)境多變等

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張益純,劉振娟;滾動軸承故障分析探討[J];內(nèi)燃機配件;2000年03期

2 秦愷,陳進,姜鳴,陳春梅;一種滾動軸承故障特征提取的新方法——譜相關(guān)密度[J];振動與沖擊;2001年01期

3 鄧長春;;聲發(fā)射法在滾動軸承故障識別中的應用[J];試驗技術(shù)與試驗機;2002年Z2期

4 任昭蓉;滾動軸承故障的小波診斷法[J];機械制造與自動化;2004年06期

5 陸爽,田野;滾動軸承故障特征識別的時頻分析研究[J];機床與液壓;2005年06期

6 江涌;基于余弦調(diào)頻小波變換的滾動軸承故障研究[J];機械設計與制造;2005年06期

7 程光友;;時域指標在滾動軸承故障診斷中的應用[J];中國設備工程;2005年12期

8 陳洪軍;趙新澤;王延軍;;滾動軸承故障試驗臺的理論建模分析[J];四川理工學院學報(自然科學版);2005年04期

9 李崇晟;滾動軸承故障的非線性診斷方法[J];軸承;2005年05期

10 趙春華;嚴新平;趙新澤;袁成清;高虹亮;;滾動軸承故障的可拓物元診斷方法[J];潤滑與密封;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張益純;;常見滾動軸承故障診斷的技術(shù)探討[A];第十屆全國設備監(jiān)測與診斷技術(shù)學術(shù)會議論文集[C];2000年

2 劉玉林;;貨車滾動軸承故障不分解診斷技術(shù)參數(shù)選擇與優(yōu)化探討[A];擴大鐵路對外開放、確保重點物資運輸——中國科協(xié)2005年學術(shù)年會鐵道分會場暨中國鐵道學會學術(shù)年會和粵海通道運營管理學術(shù)研討會論文集[C];2005年

3 楊積忠;左立建;;滾動軸承故障診斷實例[A];設備監(jiān)測與診斷技術(shù)及其應用——第十二屆全國設備監(jiān)測與診斷學術(shù)會議論文集[C];2005年

4 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應用研究[A];第九屆全國振動理論及應用學術(shù)會議論文摘要集[C];2007年

5 李放寧;;峰值能量在滾動軸承故障診斷中的應用[A];第十屆全國設備監(jiān)測與診斷技術(shù)學術(shù)會議論文集[C];2000年

6 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應用研究[A];第九屆全國振動理論及應用學術(shù)會議論文集[C];2007年

7 張九軍;;常見滾動軸承故障的簡易診斷[A];2008年全國煉鐵生產(chǎn)技術(shù)會議暨煉鐵年會文集（上冊）[C];2008年

8 李興林;;滾動軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國青年摩擦學學術(shù)會議論文集[C];2009年

9 唐海峰;陳進;董廣明;;信號稀疏分解方法在滾動軸承故障診斷中的應用[A];第十二屆全國設備故障診斷學術(shù)會議論文集[C];2010年

10 高耀智;;高階統(tǒng)計量與小波分析相結(jié)合在滾動軸承故障診斷中的應用[A];2009年全國青年摩擦學學術(shù)會議論文集[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 郝騰飛;航空發(fā)動機滾動軸承故障的核方法智能識別技術(shù)研究[D];南京航空航天大學;2014年

2 廖強;約束獨立分量和多小波分析在滾動軸承故障診斷中的應用[D];電子科技大學;2016年

3 曾鳴;基于凸包的模式識別方法及其在滾動軸承故障診斷中的應用[D];湖南大學;2016年

4 于江林;滾動軸承故障的非接觸聲學檢測信號特性及重構(gòu)技術(shù)研究[D];大慶石油學院;2009年

5 楊柳松;基于小波分析與神經(jīng)網(wǎng)絡滾動軸承故障診斷方法的研究[D];東北林業(yè)大學;2013年

6 從飛云;基于滑移向量序列奇異值分解的滾動軸承故障診斷研究[D];上海交通大學;2012年

7 趙協(xié)廣;基于小波變換和經(jīng)驗模態(tài)分解的滾動軸承故障診斷方法研究[D];山東科技大學;2009年

8 侯者非;強噪聲背景下滾動軸承故障診斷的關(guān)鍵技術(shù)研究[D];武漢理工大學;2010年

9 郭艷平;面向風力發(fā)電機組齒輪箱滾動軸承故障診斷的理論與方法研究[D];浙江大學;2012年

10 孟濤;齒輪與滾動軸承故障的振動分析與診斷[D];西北工業(yè)大學;2003年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李男;基于LMD樣本熵和貝葉斯網(wǎng)絡的滾動軸承故障診斷方法[D];燕山大學;2015年

2 李玉奎;基于非平穩(wěn)信號分析的滾動軸承故障診斷研究[D];燕山大學;2015年

3 卜勇霞;基于時頻分析方法的滾動軸承故障診斷研究[D];昆明理工大學;2015年

4 馬寶;基于KICA和LSSVM的滾動軸承故障監(jiān)測及診斷方法[D];昆明理工大學;2015年

5 馮春生;基于多源不確定信息融合的數(shù)控機床滾動軸承故障診斷方法與實驗研究[D];青島理工大學;2015年

6 王天一;基于正交小波優(yōu)化閾值降噪方法的滾動軸承故障診斷研究[D];哈爾濱工業(yè)大學;2015年

7 宋耀文;基于振動信號分析的滾動軸承故障特征提取與診斷研究[D];中國礦業(yè)大學;2015年

8 韓一村;基于多傳感器的滾動軸承故障檢測研究[D];河南科技大學;2015年

9 王秀娟;基于LMD的譜峭度算法在滾動軸承故障診斷中的應用研究[D];電子科技大學;2014年

10 段永強;局部均值分解法在滾動軸承故障自動診斷中的應用研究[D];電子科技大學;2015年

，

本文編號：1054786