基于SVM的滚动轴承工作状态检测 - Read.PDF

维普资讯 计 算 机 与 现 代 化 2007年第3期 JISUANJIYUXIANDAIHUA 总第 139期 文章编号 ：1006-2475(2007)03-0025-03 基于 SVM的滚动轴承工作状态检测 牛 军，宋京伟 (华东交通大学机 电工程学院，江西 南昌330013) 摘要：支持向量机是以统计学习理论为基础发展起来的新的通用学习方法，较好地解决了小样本、高维数、非线性等学习 问题。本文提出了一种基于多级支持向量机分类器的滚动轴承工作状态识别方法。该方法通过时域特征参数对原信号 进行特征提取，不仅计算简单，而且不考虑滚动轴承的型号和转速。试验表明这种方法具有很好的分类能力。 关键词：支持向量机；多类 问题；滚动轴承；故障诊断 中图分类号：TP273 文献标识码：A FaultDiagnosisofBallBearingBasedonSVM Classifier NIUJun，SONGJing—wei (DepartmentofMechanicalEngineering，EastChinaJiaotongUiversity，Nanchang330013，China) Abstract：SupportVecotrMachine(SVMs)isanovelmachinelearningmehtodbasedonstatisticallearningtheory(SLT)．SVM ispowerfulfortheproblemwithsmallsamp~，nonlinearandhiighdimension．AmultilayerSVM classierisappliedhero tofault diagnosisofballbearing．Thismethodgetsthepreferoncefrom timezone．Itissimp~ forcMculming．Furthermore，youneednot careofrtheclassnadspeedoftheballbearing．Ithasbeentestedthatitcanhavegoodclassificationability． Keywords：supportvectormachines；multic·lassproblem ；ballbearing；faultdiagnosis 样本趋于无穷大时的渐进理论，当样本数有限时，往 O 引 言 往效果不太好。2O世纪7O年代由VapnikV等人提 滚动轴承广泛应用于各种旋转机械中，并且故障 出的统计学习理论 (statisticallearningtheory，简称 率比较高，据相关统计，大概有 30％左右的故障与滚 SLT)则是一种基于有限样本统计理论，它着重研究 动轴承有关，因此，滚动轴承的故障预测和诊断一直 在有限样本情况下的统计规律及学习方法，从理论 是设备诊断技术 中重要的研究课题。传统的方法是 上系统地研究了经验风险最小化原则成立的条件， 在频域内观察振动信号和声音信号的故障特征频率 有限样本下经验风险与期望风险的关系，及如何利用 及其倍频分量的出现情况，进而判别出故障类型。但 这些理论找到新的学习原则和方法等 问题。在此理 这种诊断方法要求操作者有较丰穹的故障诊断知识， 论基础上于9O年代后期发展了一种通用的学习算法 而且主观因素对诊断结果的准确性会造成一定影响。 —