基于Hilbert包络谱奇异值和IPSO-SVM的滚动轴承故障诊断研究
本文关键词:基于Hilbert包络谱奇异值和IPSO-SVM的滚动轴承故障诊断研究
更多相关文章: EMD IMF 改进粒子群算法 支持向量机 滚动轴承
【摘要】:针对表征滚动轴承故障信号特征难提取及支持向量机结构参数依据经验选取,致使故障分类模型的精度、泛化能力差的问题,提出一种基于Hilbert包络谱奇异值和改进粒子群(Improved particle swarm optimization,IPSO)优化支持向量机(Support vector machine,SVM)的滚动轴承状态辨识方法。首先,利用经验模态分解(Empirical mode decomposition,EMD)所采集的滚动轴承信号,并将所获相关程度较大的本征模式分量(Intrinsic mode function,IMF)进行Hilbert解调包络分析来获取包络矩阵,并在此基础上进行奇异值分解。其次,利用IPSO算法优化SVM的惩罚系数和高斯核系数两个结构参数,据此建立滚动轴承故障分类模型;并利用美国凯斯西储大学轴承数据验证了方法的有效性。实验结果表明:与基于BP、SVM的故障分类模型相比,Hilbert包络谱奇异值和IPSO优化SVM的滚动轴承故障诊断分类模型具有更高的精度、更强的泛化能力。
【作者单位】: 内蒙古科技大学机械工程学院;包头钢铁集团公司设备动力部;
【关键词】: EMD IMF 改进粒子群算法 支持向量机 滚动轴承
【基金】:国家自然科学基金(51565046) 内蒙古自然科学基金(2015MS0512) 内蒙古科技大学创新基金(2015QDL12)
【分类号】:TH133.33
【正文快照】: 0引言当前,机械装备不断向着大型化、高速化、精密化和自动化的“四化”方向发展。针对关键设备进行状态监测与故障诊断不仅能有效提高设备可靠性,更便于实现由“事后维修”到“预知维修”的转变[1]。滚动轴承作为机械设备中通用零部件应用广泛;然而,由于工况复杂、环境多变等
【相似文献】
中国期刊全文数据库 前10条
1 张益纯,刘振娟;滚动轴承故障分析探讨[J];内燃机配件;2000年03期
2 秦恺,陈进,姜鸣,陈春梅;一种滚动轴承故障特征提取的新方法——谱相关密度[J];振动与冲击;2001年01期
3 邓长春;;声发射法在滚动轴承故障识别中的应用[J];试验技术与试验机;2002年Z2期
4 任昭蓉;滚动轴承故障的小波诊断法[J];机械制造与自动化;2004年06期
5 陆爽,田野;滚动轴承故障特征识别的时频分析研究[J];机床与液压;2005年06期
6 江涌;基于余弦调频小波变换的滚动轴承故障研究[J];机械设计与制造;2005年06期
7 程光友;;时域指标在滚动轴承故障诊断中的应用[J];中国设备工程;2005年12期
8 陈洪军;赵新泽;王延军;;滚动轴承故障试验台的理论建模分析[J];四川理工学院学报(自然科学版);2005年04期
9 李崇晟;滚动轴承故障的非线性诊断方法[J];轴承;2005年05期
10 赵春华;严新平;赵新泽;袁成清;高虹亮;;滚动轴承故障的可拓物元诊断方法[J];润滑与密封;2006年04期
中国重要会议论文全文数据库 前10条
1 张益纯;;常见滚动轴承故障诊断的技术探讨[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
2 刘玉林;;货车滚动轴承故障不分解诊断技术参数选择与优化探讨[A];扩大铁路对外开放、确保重点物资运输——中国科协2005年学术年会铁道分会场暨中国铁道学会学术年会和粤海通道运营管理学术研讨会论文集[C];2005年
3 杨积忠;左立建;;滚动轴承故障诊断实例[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
4 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
5 李放宁;;峰值能量在滚动轴承故障诊断中的应用[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
6 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文集[C];2007年
7 张九军;;常见滚动轴承故障的简易诊断[A];2008年全国炼铁生产技术会议暨炼铁年会文集(上册)[C];2008年
8 李兴林;;滚动轴承故障诊断技术现状及发展[A];2009年全国青年摩擦学学术会议论文集[C];2009年
9 唐海峰;陈进;董广明;;信号稀疏分解方法在滚动轴承故障诊断中的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
10 高耀智;;高阶统计量与小波分析相结合在滚动轴承故障诊断中的应用[A];2009年全国青年摩擦学学术会议论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 郝腾飞;航空发动机滚动轴承故障的核方法智能识别技术研究[D];南京航空航天大学;2014年
2 廖强;约束独立分量和多小波分析在滚动轴承故障诊断中的应用[D];电子科技大学;2016年
3 曾鸣;基于凸包的模式识别方法及其在滚动轴承故障诊断中的应用[D];湖南大学;2016年
4 于江林;滚动轴承故障的非接触声学检测信号特性及重构技术研究[D];大庆石油学院;2009年
5 杨柳松;基于小波分析与神经网络滚动轴承故障诊断方法的研究[D];东北林业大学;2013年
6 从飞云;基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D];上海交通大学;2012年
7 赵协广;基于小波变换和经验模态分解的滚动轴承故障诊断方法研究[D];山东科技大学;2009年
8 侯者非;强噪声背景下滚动轴承故障诊断的关键技术研究[D];武汉理工大学;2010年
9 郭艳平;面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D];浙江大学;2012年
10 孟涛;齿轮与滚动轴承故障的振动分析与诊断[D];西北工业大学;2003年
中国硕士学位论文全文数据库 前10条
1 李男;基于LMD样本熵和贝叶斯网络的滚动轴承故障诊断方法[D];燕山大学;2015年
2 李玉奎;基于非平稳信号分析的滚动轴承故障诊断研究[D];燕山大学;2015年
3 卜勇霞;基于时频分析方法的滚动轴承故障诊断研究[D];昆明理工大学;2015年
4 马宝;基于KICA和LSSVM的滚动轴承故障监测及诊断方法[D];昆明理工大学;2015年
5 冯春生;基于多源不确定信息融合的数控机床滚动轴承故障诊断方法与实验研究[D];青岛理工大学;2015年
6 王天一;基于正交小波优化阈值降噪方法的滚动轴承故障诊断研究[D];哈尔滨工业大学;2015年
7 宋耀文;基于振动信号分析的滚动轴承故障特征提取与诊断研究[D];中国矿业大学;2015年
8 韩一村;基于多传感器的滚动轴承故障检测研究[D];河南科技大学;2015年
9 王秀娟;基于LMD的谱峭度算法在滚动轴承故障诊断中的应用研究[D];电子科技大学;2014年
10 段永强;局部均值分解法在滚动轴承故障自动诊断中的应用研究[D];电子科技大学;2015年
,本文编号:1054786
本文链接:https://www.wllwen.com/jixiegongchenglunwen/1054786.html