基于小波包和支持向量机的滚动轴承故障模式识别.pdf

·236·《机床与液压》2006．No．6

基于小波包和支持向量机的滚动轴承故障模式识别

田野，陆爽
(1．长春工业大学机电工程学院，长春130012；2浙江师范大学高等技术学院，浙江金华321019)

摘要：为了解决对故障轴承的特征提取和故障特征准确分类问题，提出了应用小波包变换和支持向量机相结合进行滚
动轴承故障诊断的方法。小波包变换具有良好的时一频局部化特征，非常适于对瞬态或时变信号进行特征提取。而支持向
量机可完成模式识别和非线性回归。利用上述原理根据轴承振动信号的频域变化特征，采用小波包变换对其提取频域能量
特征向量，然后利用建立的支持向量机多故障分类器完成滚动轴承故障模式的识别。试验结果表明，支持向量机可以有
效、准确地识别轴承的故障模式，为轴承故障诊断向智能化发展提供了新的途径。
关键词i滚动轴承；故障诊断；小波包；支持向量机；模式识别
中图分类号：THI33．3；TPI81文献标识码：A文章编号：1001—3881(2006)6—236—5

FaultPatternRecognitionofRollingBearingBasedonWaveletPacketand
SupportVectorMachine
TIANYe．LUShuang
(1、ChangehunUniversityofTechnology，Changehun130012，China；
2．ZhejiangNormalUniversity，JinhuaZhejiang321019，China)
Abstract：ThemethodoffaultrecognitionofrollingbearingsbasedonwaveletpackettransformandsupportvectormachineWas

presented，inordertosolvethefeatureextractingandfeatureclassifyingoffaultbearingsdiagnosis．Waveletpackettransform，asa

newtechniqueofsignalprocessing，possessesexcellentcharacteristicoftime—frequencylocalizationandissuitableforanalyzingthe

time—varyingortransientsignals．Supportvectormachineiscapableofpatternrecognitionandnonlinearregression．Accordingtothe

frequencydomainfeatureofvibrationsignalofballbearing，energyeigenvectoroffrequencydomainWasextractedusingwaveletpacket

transformmethod．FaultpatternofrollingbearingWasrecognizedusingsupportvectormachinemultiplefaultclassifier．Theoryandex-

perimentshowsthatthismethodisavailabletorecognizethefaultpatternaccuratelyandprovidesanewapproachtointelligentfaultdi—

agnosis．

Keywords：Rollingbearing；Faultdiagnosis；Waveletpacket；Supportvectormachine；Patternrecognition
0引言行分析是滚动轴承故障模式识别重点和难点之一。
对滚动轴承的运行状态监测和故障模式的识别一实时信号
直是机械故障诊断技术中的重点。据统计，旋转机械
故障的30％是由轴承故障引起的。在滚动轴承的故
一i
障中，90％的故障来自外环和内环的故障。。利用
阈值=5％
振动信号携带的运行状态信息进行故障模式的识别是

^1

滚动轴承故障诊断中常用的方法，其信号处理的主要掌0．5

招0
数学工具是傅里叶变换“。然而，当滚动轴承存在蜜
■鲁0．5
局部故障时，在轴承运行过程中，轴承中的其它组件馨
罄一1
会周期性地撞击故障部位，产生冲击力，从而激励轴
承座或其它机械零部件产生共振，形成一系列冲击振
0—5—10
动，这些冲击振动的出现使所测得的信号呈现出非平对数刻度／dB

稳振动信号特征。故障部位不同，振动信号的频域图16310型正常轴承的时频谱图
分布能量也不同。图1和图2是笔者试验中得到的小波分析提供了一种全新的时