基于機器學習的滾動軸承故障識別研究.pdf

1、滾動軸承作為旋轉機械設備的關鍵組成部分，對旋轉機械設備的安全運行起著至關重要的作用。針對軸承故障振動信號非線性、非平穩(wěn)、樣本數(shù)量小的特性，選取合適的特征提取以及模式識別方法是實現(xiàn)軸承故障診斷、提高故障識別率的關鍵。
　　本文對滾動軸承故障機理以及常用的故障診斷方法進行了介紹，根據(jù)軸承振動信號的非線性、非平穩(wěn)特性選取Hilbert-Huang變換作為特征提取方法，分析了其優(yōu)缺點。針對經(jīng)驗模態(tài)分解過程中虛假分量的問題，引入相關系數(shù)來選

2、取有效的固有模態(tài)分量并對其進行Hilbert變換，通過仿真驗證了改進方法的有效性。
　　由于軸承故障診斷屬于典型的小樣本問題，選取適應于小樣本分類的支持向量機作為分類器。根據(jù)軸承信號非線性、多種類的特點引出非線性支持向量機和多分類支持向量機。采用改進后的粒子群優(yōu)化算法對支持向量機進行參數(shù)尋優(yōu)，通過實驗驗證了改進后算法的有效性。
　　針對邊際譜包含大量冗余信息，導致分類器計算復雜度增加，引入稀疏編碼理論，建立HHT-SC-SV