基于形态非抽样小波和支持向量机的滚动轴承故障诊断.pdf
文档页数：3文档大小：2.5MB文档格式：pdf应用研究 数字术 与用 基于形态非抽样小波和 支持向量机的滚动轴承故障诊断 刘倩闫晓金李叶紫 (北华航天工业学院电子工程学院河北廊坊065000) 摘要针对滚动轴承故障,文章提出了形态非抽样小波与支持向量机相结合进行滚动轴承故障诊断的方法利用形态非抽样小波的简单快递运算、 较好的保持故障信号的细节特征进行故障信号的提取,然后使用支持向量机进行滚动轴承的故障诊断,重点是通过对比小波变换和形态非抽样小波对 故障信号分解和重构后获取的特征向量,验证了形态非抽样小波在特征向量提取和故障诊断中的优势 关键词滚动轴承形态非抽样小波形态小波支持向量机故障诊出 中图分类号TH165+.3 文献标识码A 文章编号:1007-9416(2015)08-0076-03 众所周知,轴承故障可分为滚动体损伤、内圈损伤、外圈损伤、 在运行过程中损伤局部会产生周期性的脉冲振动,这个信号中包含 保持架损伤,而这些故障中90%的故障为内圈损伤或外圈损伤,其他 有能体现损伤特征的瞬时频率突变,而且信号中还包含轴承工作背 故障基本为滚动体损伤,保持架损伤极少发生轴承发生损伤后, 景下的各种振动,因此振动信号中故障信息的提取十分困难2。 内圈故障 0.08 回|m脚 0.06 004 02 m argin = 2/w 3频段4 图1最优分类面示意图 ■形态非抽样小波小波分析 图3内圈故障信号能量谱 外圈故障 0.1 0010.20.30.40.5060.7080.9 时间(s) 外圈 0.08 0.06 0.04 00.10.20.30.40.50.60.70.80.9 时间(s) 滚动体 0.02 0 0.10.20.30.40.50.60.70.80.9 时间(s 形态非抽样小波小波分析 图2轴承三种典型故障信号图 图4外圈故障信号能量谱图 收稿日期:2015-07-02 作者简介刘倩(1987)女河北廊坊人助教硕士,主要研究方向为数据采集与电机控制闫晓金(1983一),男辽宁大连人讲师,主要研究方 向为电源、电气传动;李叶紫(1961),女,河北石家庄人,教授,主要从事电机控制及其故障诊断方面的工作 76 数字技 与应用 应用研究 滚动体故障 小波的线性分解算子,通过形态运算对线性小波进行非线性扩展。 0.05 基本数学形态中开闭算子对信号处理的效果不同开运算可以抑 制信号的正冲击,保留负冲击,闭运算可以保留信号正冲击,抑制负 回 0.0 冲击。 1.2形态非抽样小波算法 00 形态非抽样小波分解则是基于非抽样小波框架的一种对偶小 波分解方法,省去了小波分解过程的下抽样和重构过程的上抽样, 是基于信号每个点的变换方法,这种方法能够避免信息丢失和降低 01 噪声而引起的失真,因此更适合于信号的特征提取和降噪。 设形态学闭算子为中,开算子为y,根据信号的脉冲特点,本文 0 采用文献[3]提出的算...
本文来自寄你深情投稿，不代表文丁图集立场，如若转载，请注明出处：https://www.2b34.com/blog/132197.html
微信扫一扫 
