基于小波包變換與SVM的旋轉(zhuǎn)機械故障診斷方法研究.pdf

1、機械設(shè)備結(jié)構(gòu)的復(fù)雜性、工況的改變以及故障的發(fā)生都將會導(dǎo)致其振動信號具有非平穩(wěn)特性。如何從這些非平穩(wěn)信號中提取出有用的故障特征是能否進(jìn)行機器狀態(tài)監(jiān)測和故障診斷的關(guān)鍵所在。針對現(xiàn)實條件下難以獲取大量樣本用于故障模式識別的實際情況,需尋找一種擅長小樣本分析的統(tǒng)計學(xué)習(xí)方法對故障類型進(jìn)行識別。基于此,本文提出了一種基于小波包分解結(jié)合支持向量機進(jìn)行故障模式識別的混合方法,旨在為機械故障診斷提供些許更加有效的方法。
　　本文利用小波包對振動信號

2、進(jìn)行分解,求出信號各頻率段的能量比例值,并以此作為特征向量輸入到支持向量機中進(jìn)行訓(xùn)練、測試,從而得到具體的故障類別。以通用機械動力學(xué)故障仿真實驗平臺(MFS-MG)和風(fēng)力發(fā)電機組傳動系統(tǒng)動力學(xué)分析與故障預(yù)示實驗平臺(WTDS)為研究對象進(jìn)行了實驗研究,獲得了大量的軸承和齒輪不同狀態(tài)類別的故障樣本,并用上述分類方法對軸承的正常情況、滾動體故障、內(nèi)圈故障、外圈故障、復(fù)合故障(滾動體、內(nèi)圈、外圈同時發(fā)生故障)以及齒輪的正常情況、齒輪斷齒、齒輪