基于PF能量特征和SVM的变速箱轴承故障诊断方法.pdfVIP

第２９卷 第３期 湖南科技大学学报（自然科学版） Ｖｏｌ．２９Ｎｏ．３ ２０１４年　 ９月 ＪｏｕｒｎａｌｏｆＨｕｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｓｅｐｔ．２０１４ ｄｏｉ：１０．１３５８２／ｊ．ｃｎｋｉ．１６７２－９１０２．２０１４．０３．００５ 基于ＰＦ能量特征和ＳＶＭ的变速箱 ① 轴承故障诊断方法 沈意平，贺赛坪，何宽芳，李学军 （湖南科技大学 机械设备健康维护湖南省重点实验室，湖南 湘潭４１１２０１） 摘　要：内圈点蚀、外圈压痕是变速箱滚动轴承常见典型故障，为实现其快速、准确诊断，提出基于局部均值分解（Ｌｏｃａｌ ｍｅａｎｄｅｃｏｍｐｏｓｉｔｉｏｎ，简称ＬＭＤ）的ＰＦ（ＰｒｏｄｕｃｔＦｕｎｃｔｉｏｎ）分量能量特征和支持向量机（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ，简称ＳＶＭ）相 结合的变速箱滚动轴承诊断方法．将采集的振动信号进行ＬＭＤ局部均值分解，获得若干个ＰＦ分量，并以计算的ＰＦ分量的 能量熵作为特征量输入支持向量机，进行滚动轴承的故障类型的识别．通过对滚动轴承正常状态、内圈点蚀故障和外圈压 痕故障的诊断效果对比分析表明，相对于基于神经网络的轴承故障诊断方法，基于ＰＦ分量能量特征和支持向量机的诊断 方法有着更高的故障识别率． 关键词：轴承；ＬＭＤ；能量特征；支持向量机；故障诊断 中图分类号：ＴＨ－３９　　　文献标志码：Ａ　　　文章编号：１６７２－９１０２（２０１４）０３－００１９－０５ ＲｏｌｌｉｎｇｂｅａｒｉｎｇｄｉａｇｎｏｓｉｓｂａｓｅｄｏｎＰＦｅｎｅｒｇｙｆｅａｔｕｒｅａｎｄＳＶＭ ＳＨＥＮＹｉｐｉｎｇ，ＨＥＳａｉｐｉｎｇ，ＨＥＫｕａｎｆａｎｇ，ＬＩＸｕｅｊｕｎ （ＨｕｎａｎＰｒｏｖｉｎｃｉａｌＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｅａｌｔｈＭａｉｎｔｅｎａｎｃｅｆｏｒＭｅｃｈａｎｉｃａｌＥｑｕｉｐｍｅｎｔ， ＨｕｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｘｉａｎｇｔａｎ４１１２０１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｉｎｎｅｒｒｉｎｇｅｒｏｓｉｏｎａｎｄｏｕｔｅｒｉｎｄｅｎｔａｔｉｏｎａｒｅｔｙｐｉｃａｌｆａｕｌｔｓｏｆｒｏｌｌｉｎｇｂｅａｒｉｎｇ．Ｉｎｏｒｄｅｒｔｏ ｄｉａｇｎｏｓｅｔｈｅｓｅｆａｕｌｔｓｒａｐｉｄｌｙａｎｄａｃｃｕｒａｔｅｌｙ，ａｎｏｖｅｌｄｉａｇｎｏｓｉｓｍｅｔｈｏｄｏｆｒｏｌｌｉｎｇｂｅａｒｉｎｇｗａｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎ ｔｈｅｅｎｅｒｇｙｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＰＦ（ＰｒｏｄｕｃｔＦｕｎｃｔｉｏｎ）ｃｏｍｐｏｎｅｎｔａｎｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳｕｐｐｏｒｔＶｅｃｔｏｒ Ｍａｃｈｉｎｅ，ＳＶＭ）ｂｙｔｈｅｖｉｂｒａｔｉｏｎｓｉｇｎａｌｏｆｌｏｃａｌｍｅａｎｄｅｃｏｍｐｏｓｉｔｉｏｎ（Ｌｏｃａｌｍｅａｎｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＬＭＤ）．Ｔｈｅ ｃｏｌｌｅｃｔｅｄｖｉｂｒａｔｉｏｎｓｉｇｎａｌｓｗｅｒｅｄｅｃｏｍｐｏｓｅｄｉｎｔｏｓｅｖｅｒａｌＰＦｃｏｍｐｏｎｅｎｔｓｂｙｔｈｅｌｏｃａｌｍｅａｎｄｅｃｏｍｐｏｓｉｔｉｏｎ，ｔｈｅ ｃａｌｃｕｌａｔｅｄｅｎｅｒｇｙｆｅａｔｕｒｅｏｆｔｈｅＰＦｃｏｍｐｏｎｅｎｔｗｅｒｅｉｎｐｕｔｔｅｄｔｏｔｈｅｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｔｏｉｄｅｎｔｉｆｙｔｈｅｔｙｐｅｏｆ ｒｏｌｌｉｎｇｂｅａｒｉｎｇｆａｕｌｔｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｈａｓａｈｉｇｈｄｉａｇｎｏｓｉｓａｎｄｒｅｃｏｇｎｉｔｉｏｎｒａｔｅｆｏｒｔｈｅｔｙｐｉｃａｌ ｆａｕｌｔｓｏｆｒｏｌｌｉｎｇｂｅａｒｉｎｇ． Ｋｅｙｗｏｒｄｓ：ｒｏｌｌｉ