結(jié)合異常檢測(cè)算法的軸承故障檢測(cè)研究.pdf

1、滾動(dòng)軸承是機(jī)械設(shè)備中常見且十分重要的通用零件，軸承發(fā)生故障往往會(huì)造成嚴(yán)重的生命財(cái)產(chǎn)安全問題。所以，對(duì)滾動(dòng)軸承進(jìn)行故障檢測(cè)研究是國內(nèi)和國外工業(yè)領(lǐng)域的熱門話題。實(shí)際工程中受實(shí)際數(shù)據(jù)采集環(huán)境影響，常出現(xiàn)樣本不平衡、樣本數(shù)量有限問題，本文針對(duì)這兩大問題提出異常檢測(cè)算法結(jié)合支持向量機(jī)的一種新的雙步診斷方法。
　　首先對(duì)軸承的振動(dòng)特性進(jìn)行分析:在對(duì)軸承的基本結(jié)構(gòu)、振動(dòng)特性和軸承的動(dòng)力學(xué)特性進(jìn)行分析后，確定采用振動(dòng)信號(hào)的故障診斷方式。接著采用小

2、波包能量譜特征提取方式提取軸承振動(dòng)信號(hào):采用小波包變換對(duì)軸承信號(hào)進(jìn)行分解重構(gòu)，得到能量譜特征向量，小波包變換不僅可以去噪，而且可以對(duì)高頻段的故障振動(dòng)信號(hào)進(jìn)行分解細(xì)化，有效地提取故障軸承的信號(hào)特征。
　　在軸承信號(hào)經(jīng)過小波包變換處理后，分析軸承樣本識(shí)別診斷問題。首先研究基于多分類支持向量機(jī)(SVM)的單步故障診斷方法:分析不同核函數(shù)下多分類支持向量機(jī)的診斷效果，確定最佳核函數(shù)。針對(duì)樣本不平衡的情況，發(fā)現(xiàn)優(yōu)化后的SVM分類器在該情況下

3、診斷性能仍有不佳。
　　在研究單步故障診斷方法后進(jìn)一步研究基于結(jié)合異常檢測(cè)算法的雙步故障診斷方法:基于異常檢測(cè)算法的特點(diǎn)，對(duì)小波包能量譜的特征信息進(jìn)一步優(yōu)化，確定先采用異常檢測(cè)算法進(jìn)行故障檢測(cè)再采用SVM分類器進(jìn)行故障分類的雙步故障診斷模型。該方法可以將大量的正常軸承先一步檢測(cè)出來，大大減少后續(xù)支持向量機(jī)的分類負(fù)擔(dān)。
　　最后建立單步與雙步故障診斷模型的評(píng)價(jià)準(zhǔn)則:根據(jù)實(shí)際工業(yè)中不同誤判帶來的損失是不相同的，創(chuàng)建一種結(jié)合工業(yè)實(shí)