基于Winger—SVD的轴承故障诊断方法.pdfVIP

学兔兔 量 !QQ =三Z 轴承 2014年9期 CN41—1148／TH Bearing2014，No．9 基于Winger—SVD的轴承故障诊断方法 秦洪懋 ，孙嘉兵 ，孙宁 (1．浙江农业商贸职业学院，浙江 绍兴 312000；2．东北电力大学 自动化工程学院，吉林 吉林 132012) 摘要：提出了一种基于振动信号 Winger分布和奇异值分解相结合的轴承故障诊断方法。首先将振动信号进行 Winger分布分析 ；然后将得到的Winger谱矩阵进行奇异值分解，得到反映机械故障状态特征的特征序列；最后 将振动信号的Winger谱奇异值作为特征向量，使用支持向量机进行故障诊断。 关键词：滚动轴承；故障诊断；奇异值分解；Winger分布；支持向量机 中图分类号：TH133．33；TP391 文献标志码 ：B 文章编号：1000—3762(2014)09—0048—04 FaultDiagnosisM ethodforBearingsBasedonW inger——SVD QinHongmao，SunJiabing，SunNing (1．ZhejiangAgriculturalBusinessCollege，Shaoxing312000，China；2．SchoolofAutomationEngineering，N0rtheast DianliUniversity，Jilin132012，China) Abstract：A faultdiagnosismethodforbearingsisproposedbasedonWingerdistributionofvibrationsingalsandSVD (singularvaluedecomposition)．Firstly，theWingerdistributionanalysisiscarriedoutofrvibrationsingals，thenthe singularvaluedecompositionisdoneofrWingerspectrum matrix，thecharacteristicsequencereflectingmechanicalfail— urestatecharacteristicsisobtained．Finally，theWingerspectrum singularvaluesareusedasthefeaturevectorandthe supportvectormachineisusedtodiagnosethefaults． Keywords：rollingbearing；faultdiagnosis；singularvaluedecomposition；Wingerdistribution；suppo~ vectorma— ehine 当滚动轴承出现故障时，振动信号往往表现 地刻画信号时频域局部信息的特征，应用也受到 出非平稳的波动特征，且包含大量的工况信息，利 一 定的限制。文献 [3]提出了一种基于经验模态 用采集的振动信号对轴承故障进行分析的主要方 分解的振动信号Winger分布分析，虽然取得了抑 法为时间和频率的联合分析方法，即同时提取振 制频率混叠和虚假频率的效果，却降低了时频谱 动信号时域和频域的局部信息。 的分辨率，抑制了有用的时频信息。 小波变换¨ 具有多分辨率的特性，在故障