【摘要】：針對(duì)滾動(dòng)軸承極易損傷,振動(dòng)信號(hào)表現(xiàn)出非線性、非平穩(wěn)性等特點(diǎn),提出一種基于局部特征尺度分解(LCD)和改進(jìn)支持向量機(jī)(SVM)的滾動(dòng)軸承故障診斷算法。首先對(duì)采集到的軸承振動(dòng)信號(hào)進(jìn)行LCD,分解得到一系列內(nèi)稟尺度分量(ISC),通過與經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)對(duì)比研究,證明了LCD方法的優(yōu)越性;然后計(jì)算所有分量的能量熵值,提取出軸承信號(hào)的敏感特征集,輸入到經(jīng)過遺傳算法(GA)進(jìn)行參數(shù)優(yōu)選后的SVM識(shí)別模型進(jìn)行軸承狀態(tài)的診斷識(shí)別。實(shí)驗(yàn)研究表明,基于LCD和改進(jìn)SVM的軸承診斷算法能較好地提取出軸承故障特征信息,對(duì)4種軸承狀態(tài)的識(shí)別率高達(dá)90%,是一種較為有效的軸承故障診斷方法。
[Abstract]:Aiming at the characteristics of rolling bearing, such as easy damage, nonlinear vibration signal and non-stationarity, a fault diagnosis algorithm of rolling bearing based on local feature scale decomposition (LCD) and improved support vector machine (SVM) is proposed. Firstly, a series of intrinsic scale components (ISC), are obtained by LCD, decomposition of the collected bearing vibration signals, and the advantages of the LCD method are proved by comparing with the empirical mode decomposition (EMD). Then, the energy entropy values of all components are calculated, the sensitive feature sets of the bearing signals are extracted, and input into the SVM identification model after parameter optimization by genetic algorithm (GA) for bearing state diagnosis and identification. The experimental results show that the bearing diagnosis algorithm based on LCD and improved SVM can extract the bearing fault feature information well, and the recognition rate of four kinds of bearing states is as high as 90%. It is an effective bearing fault diagnosis method.
【作者單位】： 中國礦業(yè)大學(xué)信息與電氣工程學(xué)院;中國礦業(yè)大學(xué)機(jī)電工程學(xué)院;
【分類號(hào)】：TH133.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;軸承故障診斷有了“透視鏡”[J];機(jī)電設(shè)備;2001年06期

2 薛松;程珩;楊勇;;偽Wigner-Ville分布在電機(jī)軸承故障診斷中的應(yīng)用[J];機(jī)械工程與自動(dòng)化;2008年04期

3 趙志宏;楊紹普;;一種基于樣本熵的軸承故障診斷方法[J];振動(dòng)與沖擊;2012年06期

4 黃晉英;潘宏俠;畢世華;楊喜旺;;基于高階累量譜的軸承故障診斷[J];火炮發(fā)射與控制學(xué)報(bào);2007年02期

5 陶新民;徐晶;劉興麗;劉玉;;基于最大小波奇異譜的軸承故障診斷方法[J];振動(dòng)、測(cè)試與診斷;2010年01期

6 喬世民;軸承故障診斷技術(shù)的發(fā)展[J];中國設(shè)備管理;1989年01期

7 李正安,李登嘯;單片機(jī)軸承故障診斷系統(tǒng)[J];軸承;1992年03期

8 楊望燦;張培林;張?jiān)茝?qiáng);;基于鄰域自適應(yīng)局部保持投影的軸承故障診斷模型[J];振動(dòng)與沖擊;2014年01期

9 朱文來;;希爾伯特-黃變換在軸承故障診斷中的應(yīng)用研究[J];科技創(chuàng)新導(dǎo)報(bào);2013年34期

10 任國全,韋有民,鄭海起;基于小波分析的軸承故障診斷研究[J];河北省科學(xué)院學(xué)報(bào);2002年02期

相關(guān)會(huì)議論文 前9條

1 任獲榮;馬亞男;李勝剛;;熵隨機(jī)共振在軸承故障診斷中的應(yīng)用研究[A];2012年陜西省焊接學(xué)術(shù)交流會(huì)論文集[C];2012年

2 李琳;張永祥;童艷;;基于聲發(fā)射和高階譜分析的滾動(dòng)軸承故障診斷[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

3 高耀智;譚援強(qiáng);;基于1(1/2)譜與小波分析相結(jié)合的滾動(dòng)軸承故障診斷[A];2009年全國青年摩擦學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

4 陶新民;徐晶;杜寶祥;徐勇;;基于相空間奇異譜的SOM軸承故障診斷模型[A];第二十七屆中國控制會(huì)議論文集[C];2008年

5 喬文生;陳興輝;艾士娟;胡北;趙恒;;基于小波包和BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷[A];第八屆全國設(shè)備與維修工程學(xué)術(shù)會(huì)議、第十三屆全國設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2008年

6 沈路;周曉軍;張杰;;基于形態(tài)非抽樣小波與灰色關(guān)聯(lián)度的滾動(dòng)軸承故障診斷[A];2011年機(jī)械電子學(xué)學(xué)術(shù)會(huì)議論文集[C];2011年

7 宋瀏陽;王華慶;高金吉;王峰;;基于蟻群算法的滾動(dòng)軸承故障診斷[A];現(xiàn)代振動(dòng)與噪聲技術(shù)（第九卷）[C];2011年

8 郝旺身;韓捷;董辛e，

本文編號(hào)：2515879