基于支持向量機(jī)的滾動(dòng)軸承故障診斷方法研究.pdf

1、軸承是旋轉(zhuǎn)機(jī)械的核心部件與易損件。一般工業(yè)用途的旋轉(zhuǎn)機(jī)械大多使用滾動(dòng)軸承,在旋轉(zhuǎn)機(jī)械中起著非常重要的作用,對(duì)其進(jìn)行監(jiān)測(cè)和故障診斷是學(xué)術(shù)界和產(chǎn)業(yè)界一直非常關(guān)注的課題。滾動(dòng)軸承出現(xiàn)故障將可能導(dǎo)致設(shè)備的噪音和非正常振動(dòng),嚴(yán)重的將可能導(dǎo)致整臺(tái)設(shè)備乃至整條生產(chǎn)線都不能正常運(yùn)行。因此,對(duì)滾動(dòng)軸承的故障診斷進(jìn)行研究具有重要的理論意義和應(yīng)用價(jià)值。
　　本文結(jié)合江西省自然科學(xué)基金項(xiàng)目的研究?jī)?nèi)容,重點(diǎn)研究了基于小波包分析和支持向量機(jī)的滾動(dòng)軸承故障診斷

2、方法。借助設(shè)計(jì)的滾動(dòng)軸承實(shí)驗(yàn)臺(tái)以及數(shù)據(jù)采集系統(tǒng),進(jìn)行了滾動(dòng)軸承模擬故障試驗(yàn)。在此基礎(chǔ)上,研究了小波分析理論,利用小波包分析完成了對(duì)數(shù)據(jù)采集系統(tǒng)采集的原始振動(dòng)信號(hào)數(shù)據(jù)的降噪和故障特征提取,最后結(jié)合在少樣本分類中具有明顯優(yōu)勢(shì)的支持向量機(jī)(Support Vector Machine,簡(jiǎn)稱SVM)理論,提出基于小波包分析和支持向量機(jī)相結(jié)合的故障診斷方法。本文的主要工作:
　　1、首先研究了滾動(dòng)軸承的振動(dòng)機(jī)理、失效形式和檢測(cè)技術(shù),分析了常

3、見檢測(cè)方法優(yōu)點(diǎn)和不足基礎(chǔ),采用測(cè)量滾動(dòng)軸承的振動(dòng)信號(hào)數(shù)據(jù)進(jìn)行軸承的故障診斷,進(jìn)而研究了滾動(dòng)軸承的振動(dòng)機(jī)理和特征頻率。
　　2、分析了統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)的基本思想,并將支持向量機(jī)引入到滾動(dòng)軸承的故障診斷中,給出了支持向量機(jī)應(yīng)用于滾動(dòng)軸承故障診斷的基本步驟和方法。
　　3、以QPZ-I故障模擬試驗(yàn)平臺(tái)為對(duì)象,設(shè)計(jì)了試驗(yàn)臺(tái)振動(dòng)數(shù)據(jù)采集系統(tǒng),進(jìn)行了滾動(dòng)軸承內(nèi)圈、外圈和滾動(dòng)體的故障模擬,為滾動(dòng)軸承的故障特征提取提供診斷數(shù)據(jù)。

4、r>　　4、以模擬的滾動(dòng)軸承故障數(shù)據(jù)為診斷對(duì)象,研究了基于小波分析的信號(hào)降噪和運(yùn)用小波包分解提取故障特征的方法,結(jié)合Matlab平臺(tái)的優(yōu)勢(shì),研究了基于小波包分解的滾動(dòng)軸承信號(hào)特征提取方法,并進(jìn)行實(shí)例進(jìn)行了分析。
　　5、針對(duì)標(biāo)準(zhǔn)支持向量機(jī)不能直接用于解決故障診斷這種典型多值分類問題的不足,分析了支持向量機(jī)多值分類方法,采用二叉樹多值分類算法構(gòu)建分類器模型,結(jié)合小波包分解提取的振動(dòng)故障特征向量,進(jìn)行了滾動(dòng)軸承的故障診斷,并探索了影響