基于EMD 重构和SVM 的滚动轴承故障诊断方法研究 - 东北电力大学.PDF

第36卷第6期　 东 北 电 力 大 学 学 报 Vol.36,No.6 2016年12月 Journal Of Northeast Dianli University Dec. ,2016 - - - 文章编号:1005 2992(2016)06 0071 06 基于 EMD重构和SVM的滚动轴承 故障诊断方法研究 1 1 2 2 周小龙 ,杨恭勇 ,梁秀霞 ,李家飞 (1.东北电力大学 工程训练教学中心,吉林 吉林 132012;2.河南信宇石油机械制造股份有限公司,河南 濮阳457001) 摘　 　 　 要:针对滚动轴承振动信号非平稳性和故障特征难以提取的问题,提出一种基于经验模态分 解重构和支持向量机相结合的故障诊断方法。 首先,采用经验模态分解,将滚动轴承振动信号分解成一 系列固有模态函数;其次,根据伪固有模态函数剔除法选取对故障特征敏感的模态函数进行信号重构; 最后,以重构信号的有效值和峭度值作为支持向量机分类器的输入来识别滚动轴承的工作状态和故障 类型。 试验结果表明,该方法能有效地识别和诊断出滚动轴承的运行状态和故障类型,具有很高的工程 实用价值。 关 键 词:经验模态分解;固有模态函数;支持向量机;滚动轴承;故障诊断 中图分类号:TH17;TH133.33 　 　 　 　 文献标识码:A [1] 滚动轴承是机械设备中的重要组成部件,它的工作状态将直接影响到机械设备的运行质量 。 据 统计,在旋转机械故障中有30%是由滚动轴承故障所引起的。 当滚动轴承存在故障时,其振动信号往 [2] 往表现出非平稳的时变特性 ,利用传统的平稳信号处理方法无法很难从该类信号中获得良好的分析 效果。 [3] 经验模态分解 (Empirical mode decomposition,EMD)方法是近年来一种处理非线性和非平稳信号 的有效方法。 相较于其它传统时频分析方法,该方法能够根据信号的自身特点,将信号自适应地分解成 - [4 5] 一系列固有模态函数(Intrinsic mode function,IMF)和的形式,因此广泛应用于机械故障诊断领域 。 有效值和峭度值是判别机械系统正常与否的重要指标,当机械系统中存在故障时,有效值和峭度值较正 常状态下的数值会发生较大变化。 由上述分析,本文提出一种基于EMD重构和支持向量机(Support Vector Machine,SVM)的滚动轴 承故障诊断方法。 首先,利用EMD方法将滚动轴承振动信号分解成一系列IMF;其次,采用伪IMF分量 判别法剔除对于故障信息不敏感的IMF,并对敏感IMF分量进行信号重构;最后,求出重构信号的有效 值和峭度值指标,并将其作为SVM分类器的特征向量来识别滚动轴承的工作状态和故障类型。 试验研 究表明,该方法能有效应用于滚动轴承的故障诊断中。 1　 EMD方法 EMD分解根据信号的自身特性将其分解成一系列IMF,IMF能够有效提取出信号的物理信息与本 质特征。 其中,每个IMF必须满足两个条件: - - 收稿日期:2016 04 12 - 作者简介:周小龙(1987 ),男,吉林省长春市人,东北电力大学工程训练教学中心助理实验师,硕士,主要研究方向:机械制造与故 障诊断. 72