基于时变自回归模型与支持向量机的旋转机械故障诊断方法 tvar and svm based fault diagnosis method for rotation machine.pdfVIP

第27卷笫9期 中国电机工程学报 、，01．27No．9Mar．2007 2007年3月 of吐leCSE毯 ◇2∞7C燃n。Soc．for Proeeed娃塔s Elec。Eng。 文章编号：0258*8013(2007)09．0099-05中图分类号：TP206文献标识码：A 学科分类号：470．40 基于时变自回归模型与支持向量机的 旋转机械故障诊断方法 张 龙1，熊冒良2，柳和生3，邹慧君1，陈慧2 (1。上海交通大学机械与动力工程学院，上海市徐汇区2∞030；2．华东交通大学机电工程学院， 江西省南昌市330013；3．上饶师范学院物理系，江西省上饶市334001) TvARandSⅥMB嬲edFalllt Method董DrR曲tati城Machine Diagnosis zHANG Hui2 Lon91，ⅪoNG(沁o．1ian孑，ⅢHe．shen93，zouHlliounl，cHEN ofMe熊a扛on主c 200030；2。School (1．Scho啦ofMechallie皴Enginee五ng，Sb柚ghai鞋aot魄gUniversityⅪlll融ⅨstfictShanghai China of EngiI陀ering，EastJia00弛gU面V蹦sity，Nanch觚g330013，Jiallgxi胁Vince，China；3．D印art姗|ntphysics， NaImal shangfaoU畦versity’Sh徽grao33400l，Ji粕gxi般ovince，Chilla) A取S。n认C’n rotationmach血esl攮eamot啦也e Conside嗽g 0引言 vib谢on areof mefault signals uIIiversa重nonsta_tionaIi够and 设备故障诊断实质是一个模式识别问题，包括 are atmese s蝴plesusua搬yvefylimited．越mi致gproblems，a newfault memodbasedon 特征提取和故障识别两部分。目前大多数智髓诊断 diagnosis T、强R(time—Varying ma浊i珏e)主s方法是以频谱频带熊量为特征，以神经网络进行故 嬲to犯gressivemodel)删SVM(suppo娃vectofs features model presented．Firsny，meincludingpar姗eters障识别【l‘3】。这种模式存在以下问题：①由于傅里叶 an娃t圭leV鞠畦anceofrel娃娃anta瓣ex拄acted bymodeling出e 频谱不能反映任何对域售患，所以只对平稳信号终 vibrationas