基于+ITD+复杂度和+PSO-SVM的滚动轴承故障诊断.pdfVIP

振　动　与　冲　击 第 ３５ 卷第 ２４ 期 ＪＯＵＲＮＡＬ ＯＦ ＶＩＢＲＡＴＩＯＮ ＡＮＤ ＳＨＯＣＫ Ｖｏｌ．３５ Ｎｏ．２４ ２０１ ６　  基于 ＩＴＤ 复杂度和 ＰＳＯＳＶＭ的滚动轴承故障诊断 张小龙，张　氢，秦仙蓉，孙远韬 （同济大学 机械与能源工程学院，上海　２０１ ８０４） 　　摘　要：针对滚动轴承故障诊断问题，提出了一种基于固有时间尺度分解（ＩＴＤ）、ＬｅｍｐｅｌＺｉｖ 复杂度特征和粒子群 优化支持向量机（ＰＳＯＳＶＭ）的故障诊断新方法。首先对滚动轴承的振动信号使用 ＩＴＤ 方法进行分解，得到若干个频率 由高到低的固有旋转（ＰＲ）分量，由于滚动轴承在不同的故障状态下的 ＰＲ 分量 ＬｅｍｐｅｌＺｉｖ 复杂度的分布不同，提取各 ＰＲ 分量的 ＬｅｍｐｅｌＺｉｖ 复杂度值作为每个样本的特征向量，使用支持向量机（ＳＶＭ）对轴承振动信号样本进行故障类型的识 别，并用粒子群优化（ＰＳＯ）方法对支持向量机的参数优化以获得较高的识别准确率。对滚动轴承振动信号的实测结果的 分析表明：该方法可以实现对滚动轴承快速、准确地诊断，且不受载荷变化的影响。 关键词：固有时间尺度分解；ＬｅｍｐｅｌＺｉｖ 复杂度；支持向量机；粒子群优化；滚动轴承；故障诊断 中图分类号：ＴＨ１ ３３．３；ＴＨ１ ６５ ＋．３　　　文献标志码：Ａ ＤＯＩ：１ ０．１ ３４６５ ／ｊ．ｃｎｋｉ．ｊｖｓ．２０１ ６．２４．０１ ７ Ｒｏｌｌｉｎｇ ｂｅａｒｉｎｇ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｂａｓｅｄ ｏｎ ＩＴＤ ＬｅｍｐｅｌＺｉｖ ｃｏｍｐｌｅｘｉｔｙ ａｎｄ ＰＳＯＳＶＭ ＺＨＡＮＧ Ｘｉａｏｌｏｎｇ，ＺＨＡＮＧ Ｑｉｎｇ，ＱＩＮ Ｘｉａｎｒｏｎｇ，ＳＵＮ Ｙｕａｎｔａｏ （Ｓｃｈｏｏｌ ｏｆ Ｍｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｔｏｎｇｊｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０１ ８０４，Ｃｈｉｎａ） 　　Ａｂｓｔｒａｃｔ：　Ａ ｍｅｔｈｏｄ ｆｏｒ ｒｏｌｌｉｎｇ ｂｅａｒｉｎｇ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｂａｓｅｄ ｏｎ ｉｎｔｒｉｎｓｉｃ ｔｉｍｅ ｓｃａｌｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ （ＩＴＤ），Ｌｅｍｐｅｌ Ｚｉｖ ｃｏｍｐｌｅｘｉｔｙ，ａｎｄ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ （ＳＶＭ）ｗｉｔｈ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ （ＰＳＯ）ａｌｇｏｒｉｔｈｍ ｗａｓ ｐｒｏｐｏｓｅｄ．Ｔｈｅ ｒｏｌｌｉｎｇ ｂｅａｒｉｎｇ ｖｉｂｒａｔｉｏｎ ｓｉｇｎａｌ ｗａｓ ｄｅｃｏｍｐｏｓｅｄ ｔｏ ｓｅｖｅｒａｌ ｐｒｏｐｅｒ ｒｏｔａｔｉｏｎ （ＰＲ）ｃｏｍｐｏｎｅｎｔｓ ｗｉｔｈ ｔｈｅ ＩＴＤ ｍｅｔｈｏｄ．Ｔｈｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ＬｅｍｐｅｌＺｉｖ ｃｏｍｐｌｅｘｉｔｙ ｏｆ ＰＲ ｃｏｍｐｏｎｅｎｔｓ ｕｎｄｅｒ ｄｉｆｆｅｒｅｎｔ ｆａｕｌｔ ｃｏｎｄｉｔｉｏｎｓ ｗａｓ ｄｉｓｔｉｎｇｕｉｓｈｉｎｇ．Ｔｈｅ Ｌｅｍｐｅｌ Ｚｉｖ ｃｏｍｐｌｅｘｉｔｙ ｏｆ ＰＲ ｃｏｍｐｏｎｅｎｔｓ ｗａｓ ｃａｌｃｕｌａｔｅｄ ｔｏ ｃｏｎｓｔｒｕｃｔ ｔｈｅ ｆｅａｔｕｒｅ ｖｅｃｔｏｒ ｆｏｒ ｅａｃｈ ｓａｍｐｌｅ．Ｔｈｅ ｆｅａｔｕｒｅ ｖｅｃｔｏｒ ａｃｔｅｄ ａｓ ｔｈｅ ｉｎｐｕｔ ｏｆ ＳＶＭｔｏ ａｃｃｏｍｐｌｉｓｈ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｄｉｆｆｅｒｅｎｔ ｆａｕｌｔ ｔｙｐｅｓ．Ａｎｄ ｔｈｅ ＰＳＯ ａｌｇｏｒｉｔｈｍ ｗａｓ ｅｍｐｌｏｙｅｄ ｔｏ ｓｅａｒｃｈ ｆｏｒ ｔｈｅ ｂｅｓｔ ＳＶＭｐａｒａｍｅｔｅｒｓ ｔｏ ａｃｈｉｅｖｅ ｈｉｇｈｅｒ ｐｅｒｃｅｎｔａｇｅ ｏｆ ｃ