基于小波與支持向量機的滾動軸承故障診斷.pdf

1、滾動軸承是各種機械設備中最常見的零部件，同時也是易損壞的零件之一。機械的許多故障都與滾動軸承有關，它的運行狀態(tài)是否正常往往直接影響到整臺機器的性能。因此開展對滾動軸承的故障診斷具有很現實的意義。 本文首先總結分析了滾動軸承的典型故障的故障機理和振動特征，并在實驗室的故障診斷實驗臺上，對軸承的內圈損傷、外圈損傷、滾動體點蝕三種故障進行了故障診斷的實驗，采集了軸承的振動信號。 對采集的振動信號首先用小波包作為信號降噪處理和頻

2、域能量特征向量提取。對提取的特征向量分別用基于BP學習算法的神經網絡和支持向量機進行了故障類型的模式識別。由于BP神經網絡有一個難以克服的缺陷，即訓練易陷入局部極小點，而遺傳算法因其所具有全局隨機搜索能力，所以利用遺傳算法來優(yōu)化神經網絡的結構參數，仿真表明使神經網絡很好的擺脫了局部極小。通過比較神經網絡和支持向量機的仿真結果，發(fā)現支持向量機的診斷結果明顯優(yōu)于神經網絡的診斷結果。采用小波和支持向量機相結合的方法能夠有效地對滾動軸承故障進行