小波包2支持向量数据描述在轴承性能退化评估中的应用研究.PDFVIP

振 　动 　与 　冲 　击 第 28卷第 4 期 JOURNAL OF V IBRA TION AND SHOCK Vol. 28 No. 4 2009　 科研简报 小波包 支持向量数据描述在轴承性能退化评估中的应用研究 潘玉娜 , 陈 　进 (上海交通大学 机械系统与振动国家重点实验室 , 上海 　200240) 　　摘 　要 : 轴承是旋转机械中的关键部件 ,相对于故障模式识别 ,性能退化评估可以更为有效地服务于设备主动维 护以实现零停机率 。小波包分解可以对信号进行更为精细的刻画 ,基于统计学习理论的支持向量数据描述是一种具有 良 好计算性能的单值分类方法 。基于此 ,提出了一种基于小波包 支持向量数据描述的轴承性能退化评估方法 ,该方法以小 波包分解的节点能量构成特征向量 ,仅需要正常状态下的数据样本即可用支持向量数据描述建立知识库 ,在一定程度上 实现了对待测样本退化程度的定量评估 。通过应用于轴承不同点蚀大小和其加速疲劳寿命试验的全寿命周期 ,验证了所 提出方法的可行性和有效性 。 关键词 : 支持向量数据描述 ;小波包分解 ;性能退化评估 ;加速疲劳寿命试验 ;轴承 中图分类号 : TH 165. 3; TN 911; TH 17　　　文献标识码 : A 　　轴承作为旋转机械中的关键部件 ,一直是状态监 退化程度的定量评估 。将该方法分别应用于不同点蚀 测和故障诊断领域的热点研究对象 。现有的相关研究 大小和加速疲劳寿命试验而获得的全寿命周期的轴承 往往集中于故障模式识别 , 即实现不同故障类型的区 振动数据 ,评估结果验证了该方法的可行性和有效性 。 分 。性能退化评估是最近提出的一种新的研究思路 。 1　技术背景及性能退化评估方法 区别于故障模式识别 ,它侧重于设备整体性能的研究 , 而淡化了故障模式的区分 ,是从理念和方法上对现有 11　小波包分解 的故障诊断技术的全新拓展 。设备的性能往往会从完 　　小波包分解是小波分解的推广 ,对小波分解中没 好逐渐经历一系列不同的退化状态直至完全失效 ,准 有细分的高频部分进行了进一步分解 ,从而能够对信 确进行性能评估是实现动态寿命预测 、进而有效指导 号进行更精细的刻画 。 企业生产 、优化设备管理 、提高企业综合竞争力 的 图 1为三层小波包分解示意图。每一节点对应一 关键 。 个子频带 。对第 j 尺度上的第 i节点进行小波包信号 目前 , 国外发达 国家对该方面的研究高度重视 。 重构, 得到重构信号为 r , 则该节点能量为 : j, i 200 1年 ,在美国国家自然科学基金的资助下 ,威斯康辛 ( ) ( ( ) ) 2 ( ) E j, i = r l 1 ∑ j, i 大学和密西根大学联合工业界近 40 家企业共同成立 l 了智能维护系