混合特征驱动的滚动轴承智能故障诊断方法

摘要：

针对采用传统特征指标进行故障诊断准确率较低的问题,提出了一种基于混合标度律特征和改进支持向量机的滚动轴承智能故障诊断方法.首先,利用超阶分析得到指示故障的标度律指标,并将其与常规特征指标相结合构造混合特征指标矩阵,提升特征指标对故障的区分度.其次,采用支持向量机(support vector machines,SVM)对构造的混合特征矩阵进行分类,利用粒子群优化算法对SVM中重要参数进行优化.最后,利用滚动轴承试验台对提出的滚动轴承智能故障诊断方法进行验证.结果表明,与常规特征相比,利用构造混合特征指标得到的训练准确率提高了 13％,测试准确率提高了 23％.所提方法不仅能识别不同故障类型,而且能对同一故障不同损伤程度进行识别,有望进一步实现滚动轴承故障定量诊断.

关键词：智能故障诊断、超阶分析、混合特征指标、粒子群优化、支持向量机(SVM)

所属期刊栏目：41

分类号：TB53;TH113.1(声学工程)

资助基金：国家重点研发计划;预研领域基金课题资助项目;国家自然科学基金;国家科技重大专项;中央高校基本科研业务费

在线出版日期：2022-09-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：79-84,176