基于LCD和改进SVM的轴承故障诊断方法

发布时间：2019-07-18 12:04

【摘要】：针对滚动轴承极易损伤,振动信号表现出非线性、非平稳性等特点,提出一种基于局部特征尺度分解(LCD)和改进支持向量机(SVM)的滚动轴承故障诊断算法。首先对采集到的轴承振动信号进行LCD,分解得到一系列内禀尺度分量(ISC),通过与经验模态分解(EMD)对比研究,证明了LCD方法的优越性;然后计算所有分量的能量熵值,提取出轴承信号的敏感特征集,输入到经过遗传算法(GA)进行参数优选后的SVM识别模型进行轴承状态的诊断识别。实验研究表明,基于LCD和改进SVM的轴承诊断算法能较好地提取出轴承故障特征信息,对4种轴承状态的识别率高达90%,是一种较为有效的轴承故障诊断方法。
[Abstract]:Aiming at the characteristics of rolling bearing, such as easy damage, nonlinear vibration signal and non-stationarity, a fault diagnosis algorithm of rolling bearing based on local feature scale decomposition (LCD) and improved support vector machine (SVM) is proposed. Firstly, a series of intrinsic scale components (ISC), are obtained by LCD, decomposition of the collected bearing vibration signals, and the advantages of the LCD method are proved by comparing with the empirical mode decomposition (EMD). Then, the energy entropy values of all components are calculated, the sensitive feature sets of the bearing signals are extracted, and input into the SVM identification model after parameter optimization by genetic algorithm (GA) for bearing state diagnosis and identification. The experimental results show that the bearing diagnosis algorithm based on LCD and improved SVM can extract the bearing fault feature information well, and the recognition rate of four kinds of bearing states is as high as 90%. It is an effective bearing fault diagnosis method.
【作者单位】： 中国矿业大学信息与电气工程学院;中国矿业大学机电工程学院;
【分类号】：TH133.3

【相似文献】

相关期刊论文 前10条

1 ;轴承故障诊断有了“透视镜”[J];机电设备;2001年06期

2 薛松;程珩;杨勇;;伪Wigner-Ville分布在电机轴承故障诊断中的应用[J];机械工程与自动化;2008年04期

3 赵志宏;杨绍普;;一种基于样本熵的轴承故障诊断方法[J];振动与冲击;2012年06期

4 黄晋英;潘宏侠;毕世华;杨喜旺;;基于高阶累量谱的轴承故障诊断[J];火炮发射与控制学报;2007年02期

5 陶新民;徐晶;刘兴丽;刘玉;;基于最大小波奇异谱的轴承故障诊断方法[J];振动、测试与诊断;2010年01期

6 乔世民;轴承故障诊断技术的发展[J];中国设备管理;1989年01期

7 李正安,李登啸;单片机轴承故障诊断系统[J];轴承;1992年03期

8 杨望灿;张培林;张云强;;基于邻域自适应局部保持投影的轴承故障诊断模型[J];振动与冲击;2014年01期

9 朱文来;;希尔伯特-黄变换在轴承故障诊断中的应用研究[J];科技创新导报;2013年34期

10 任国全,韦有民,郑海起;基于小波分析的轴承故障诊断研究[J];河北省科学院学报;2002年02期

相关会议论文 前9条

1 任获荣;马亚男;李胜刚;;熵随机共振在轴承故障诊断中的应用研究[A];2012年陕西省焊接学术交流会论文集[C];2012年

2 李琳;张永祥;童艳;;基于声发射和高阶谱分析的滚动轴承故障诊断[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

3 高耀智;谭援强;;基于1(1/2)谱与小波分析相结合的滚动轴承故障诊断[A];2009年全国青年摩擦学学术会议论文集[C];2009年

4 陶新民;徐晶;杜宝祥;徐勇;;基于相空间奇异谱的SOM轴承故障诊断模型[A];第二十七届中国控制会议论文集[C];2008年

5 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

6 沈路;周晓军;张杰;;基于形态非抽样小波与灰色关联度的滚动轴承故障诊断[A];2011年机械电子学学术会议论文集[C];2011年

7 宋浏阳;王华庆;高金吉;王峰;;基于蚁群算法的滚动轴承故障诊断[A];现代振动与噪声技术（第九卷）[C];2011年

8 郝旺身;韩捷;董辛e，

本文编号：2515879