基于SPWVD识别滚动轴承智能检测方法.pdfVIP

振动与冲击 OFVIBRATIONANDSHOCK 第28卷第9期 JOURNAL 基于SPWVD识别的滚动轴承智能检测方法 林勇，周晓军，杨先勇，张文斌 (浙江大学现代制造研究所，杭州310027) 摘 要：为了探索基于振动谱图像模式识别的智能故障检测方法，以滚动轴承为对象，提出了用SPWVD分布来 表征振动信号时频分布特性，利用SPWVD图像的GLCM及其特征统计量来提取故障特征。改进了人工免疫网络分类算 法，通过人丁免疫网络分类方法对故障样本特征统计量进行学习，形成记忆抗体集，进而对检验抗原进行故障分类识别， 在故障特征信号十扰严莺的情况下，取得了较BP神经网络好的检测准确率，验证了人工免疫网络良好的适应性。随着 智能故障检测技术发展，基于图像模式识别的故障检测方法必将得到推广和应用，验证其在轴承故障监测中的可行性。 关键词：威格纳-维尔分布；灰度共生矩阵；人工免疫网络；智能故障检测；滚动轴承 中图分类号：TP277 文献标识码：A 在设备状态监控中，故障时振动信号的时频能量 immune 分布是有效的监控对象。威格纳一维尔分布(Wigner—网络理论有机结合，通过模拟抗体与抗原的作用关系， ViNe distribution，WVD)是分析时频能量分布的常用工 使抗体在学习抗原模式的过程中不断优化，从而得到 具，在此基础上改进的伪威格纳．维尔分布(pseudo表征抗原特性的独特型抗体，因而，具有克隆选择与独 Wigner—Villedistribution，PWVD)较WVD能减少相干 特型网络的双重优势。这为故障检测问题提供了一条 项，而进一步发展形成的平滑伪威格纳一维尔分布 新思路。文献[7]对AIN进行改造，增加了训练抗原的 (smoothed distribution，SPWVD)， pseudoWigner—Ville 类别信息，并应用到变压器故障的分类中，取得了较好 能够有效消除干扰项，准确反应信号的时频特征…。 的效果。本文在文献[6]、[7]的基础上，对人工免疫 由于该方法可以得到灰度图像。因此从图像处理的角 网络分类算法加以改进，以GLCM的特征统计量为抗 度认识SPWVD时频分布图，将其应用于故障检测领 原，通过人工免疫网络的优化学习，产生表征故障特性 域，可以更充分地利用其时频信息。基于图像识别的 的记忆抗体集，通过判断待测样本与记忆抗体集的距 方法，在汽车牌照智能识别嵋。等领域取得成功的应用。 离，按照k一近邻法则来对其进行分类，同时设置分类 因此，本文探索基于SPWVD时频分布图识别的故障检限制阈值，作出无法分类的判断。实例分析结果表明， 测方法，并以滚动轴承为例验证该方法的可行性。 基于SPWVD时频分布图识别和人工免疫网络的分类 levelCO-OC． 在图像识别领域，灰度共生矩阵(gray 方法能够有效对轴承的各种故障模式分类。 euHence matrix，GLCM)”o是一种得以广泛应用的纹理 统计分析方法和纹理测量技术，由于不同类别的故障 1 WVD、PWVD与SPWVD¨1 SPWVD时频分布图表现出一定的差异，所以用基于 在时频能量分布中，人们最感兴趣的是WVD，定 GLCM的特征统计量来表示SPWVD时频分布图的特