基于改进HHT与SVM的滚动轴承故障诊断方法研究的任务书.docx

基于改进HHT与SVM的滚动轴承故障诊断方法研究的任务书
任务书
一、研究背景
滚动轴承是机械设备中常见的零部件，其正常运转对机械设备的稳定性和性能有着重要的作用。然而，在长期的使用过程中，滚动轴承容易出现故障，例如，疲劳、磨损、裂纹等。因此，滚动轴承的故障诊断对机械设备的维护和保养非常重要。
传统的滚动轴承故障诊断方法主要基于振动信号分析，其原理是利用滚动轴承的振动信号和频谱特征来判断滚动轴承的工作状态。然而，由于滚动轴承的振动信号存在高度非线性和非稳态特性，因此，传统的振动信号分析方法在实际应用中存在一些问题，例如，难以准确地识别故障类型和诊断故障严重程度等。
随着信号处理技术的发展，基于改进HHT（Hilbert-Huang变换）和SVM（支持向量机）的滚动轴承故障诊断方法被提出并得到广泛应用。HHT能够有效地分解非稳态信号，获取信号的本征模态函数（IMF），并对IMF进行频谱分析，从而提取故障信号的频率轨迹。而SVM是一种基于统计学习理论的分类器，其可以通过分离超平面将正负样本分开，从而实现故障诊断。
二、研究内容
本研究拟基于改进HHT和SVM，设计一种滚动轴承故障诊断方法，包括以下内容：
1.基于改进HHT的信号分解：首先，采集滚动轴承的振动信号，并使用改进HHT方法对信号进行分解，得到IMF分量和剩余分量。
2.IMF分量频谱分析：对IMF分量进行频谱分析，提取频率轨迹并进行处理，以获得各种故障类型的特征参数。
3.特征参数提取：基于不同故障类型的特征参数，选择适当的特征向量表示信号，并将数据降维以减少计算复杂度。
4.SVM分类器训练：利用已经提取的特征向量，训练SVM分类器，并对分类模型进行优化，以提高诊断准确率和效率。
5.实验验证与比较分析：对所设计的滚动轴承故障诊断方法进行实验验证，并与传统方法进行比较分析，以验证该方法的可靠性和有效性。
三、研究意义
本研究的滚动轴承故障诊断方法，利用改进的HHT和SVM算法，克服了传统方法的局限性，能够更好地利用信号特征提取故障信息，提高平台的故障诊断能力和精度，对于机械设备的运维和维护具有重要的现实意义。
四、研究计划
1.文献阅读和理论学习（2周）
2.信号采集和数据预处理（2周）
3.改进HHT方法实现和频率轨迹提取（2周）
4.特征参数提取和SVM分类器训练（2周）
5.实验验证和比较分析（2周）
6.论文撰写和修改（2周）
五、预期成果
1.一篇高质量的论文，描述基于改进HHT和SVM的滚动轴承故障诊断方法，并展示该方法的实验结果和分析。
2.一个实用的滚动轴承故障诊断系统原型，以验证所提出的方法的可行性和有效性。
3.提出的滚动轴承故障诊断方法，能够更好地利用滚动轴承振动信号特征，提高诊断准确度和效率，为机械设备的运维和维护提供有力的技术支持。
六、参考文献
1.张良,雷宝荣,王祎康.基于无变换属性的滚动轴承故障诊断的改进HHT方法[J].机械工程学报,2019,55(16):196-209.
2.王静,郭亚丽,吕思慧,等.基于改进HHT方法和SVM的轴承故障诊断[J].摩擦学学报,2017,37(03):284-291.
3.张哲明,杨洋,王强,等.基于改进HHT方法和级联SVM的轴承故障诊断[J].振动与冲击,2016,35(01):139-146.