基于α稳定分布参数估计的滚动轴承故障诊断

被引：7

作者：

熊庆 ^{[1
]}

张卫华 ^{[1
]}

陆天炜 ^{[2
]}

梅桂明 ^{[1
]}

李夫忠 ^{[3
]}

机构：

[1] 西南交通大学牵引动力国家重点实验室

[2] 西南交通大学机械工程学院

[3] 成都运达科技股份有限公司

来源：

振动测试与诊断. | 2015年 / 35卷 / 02期

关键词：

滚动轴承; 故障诊断; α稳定分布; 粒子群优化算法; 最小二乘支持向量机;

D O I：

10.16450/j.cnki.issn.1004-6801.2015.02.006

中图分类号：

TH133.33 [滚动轴承]; TH165.3 [];

学科分类号：

摘要：

针对滚动轴承故障损伤程度难以确定的问题,提出对滚动轴承不同故障位置、不同损伤程度的振动信号进行故障特征提取及智能分类的故障诊断方法。首先,对各状态振动信号进行α稳定分布四参数估计,选取敏感性及稳定性最好的二种参数组成二维故障特征量;然后,输入到经过粒子群优化算法(particle swarm optimization,简称PSO)进行参数优化后的最小二乘支持矢量机(least squares support vectors machine,简称LSSVM)中进行故障诊断;最后,通过台架试验数据验证了该方法的有效性,并与未经过PSO参数优化的LSSVM、支持向量机(support vectors machine,简称SVM)方法的诊断结果进行比较。结果表明:该方法可实现滚动轴承故障位置及损伤程度的智能诊断,比未经PSO参数优化的LSSVM、SVM方法具有更优的泛化性,更短的训练、测试时间,可应用于实际工程。

引用

页码：238 / 244+396 +396

页数：8

共 14 条

[1]

基于对称alpha平稳分布的SAR图像复原算法研究.[D].张军保.中国科学院研究生院（电子学研究所）.2005, 04

[2]

A new statistical modeling and detection method for rolling element bearing faults based on alpha–stable distribution.[J].Gang Yu;Changning Li;Jianfeng Zhang.Mechanical Systems and Signal Processing.2013, 1-2

[3] AN ITERATIVE PROCEDURE FOR THE ESTIMATION OF THE PARAMETERS OF STABLE LAWS [J].