基于機(jī)器學(xué)習(xí)的滾動(dòng)軸承故障識(shí)別研究.pdf

1、滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械設(shè)備的關(guān)鍵組成部分，對(duì)旋轉(zhuǎn)機(jī)械設(shè)備的安全運(yùn)行起著至關(guān)重要的作用。針對(duì)軸承故障振動(dòng)信號(hào)非線性、非平穩(wěn)、樣本數(shù)量小的特性，選取合適的特征提取以及模式識(shí)別方法是實(shí)現(xiàn)軸承故障診斷、提高故障識(shí)別率的關(guān)鍵。
　　本文對(duì)滾動(dòng)軸承故障機(jī)理以及常用的故障診斷方法進(jìn)行了介紹，根據(jù)軸承振動(dòng)信號(hào)的非線性、非平穩(wěn)特性選取Hilbert-Huang變換作為特征提取方法，分析了其優(yōu)缺點(diǎn)。針對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解過(guò)程中虛假分量的問(wèn)題，引入相關(guān)系數(shù)來(lái)選

2、取有效的固有模態(tài)分量并對(duì)其進(jìn)行Hilbert變換，通過(guò)仿真驗(yàn)證了改進(jìn)方法的有效性。
　　由于軸承故障診斷屬于典型的小樣本問(wèn)題，選取適應(yīng)于小樣本分類的支持向量機(jī)作為分類器。根據(jù)軸承信號(hào)非線性、多種類的特點(diǎn)引出非線性支持向量機(jī)和多分類支持向量機(jī)。采用改進(jìn)后的粒子群優(yōu)化算法對(duì)支持向量機(jī)進(jìn)行參數(shù)尋優(yōu)，通過(guò)實(shí)驗(yàn)驗(yàn)證了改進(jìn)后算法的有效性。
　　針對(duì)邊際譜包含大量冗余信息，導(dǎo)致分類器計(jì)算復(fù)雜度增加，引入稀疏編碼理論，建立HHT-SC-SV