基于自適應變異微粒群優化SVM的電機軸承故障診斷方法

馬立新，黃陽龍，范洪成，王繼銀

(上海理工大學 光電信息與計算機工程學院，上海200093)

?

基于自適應變異微粒群優化SVM的電機軸承故障診斷方法

馬立新，黃陽龍，范洪成，王繼銀

(上海理工大學 光電信息與計算機工程學院，上海200093)

摘要：電機軸承作為電機的重要機械部件，其故障對電機的安全運行有著嚴重的影響，針對軸承故障此類問題，提出了自適應變異微粒群優化SVM的電機軸承故障診斷的方法。該方法先用小波包的頻帶能量分解技術將電機振動信號分解到各個頻帶，由各個頻帶能量組成了電機運行狀態的特征向量，并以此作為支持向量機的輸入向量，最后運用自適應變異微粒群算法優化后的SVM，組成電機軸承狀態“決策樹”，并對電機狀態進行分類，分類結果和用試湊法的SVM作對比。最終結果證明了該的方法對感應電機的軸承故障的檢測和分類具有良好成效。

關鍵詞：微粒群算法；自適應變異；決策樹；SVM；電機；軸承故障診斷

0引言

感應電機的軸承作為承載負載和支撐電機主軸承的支撐部件，其故障對電機的安全運行有嚴重的影響，軸承故障是導致電機故障的主要因素，約占電機故障的40%，因此，軸承是否能夠正常運行關系到電機整體的運行性能，所以有必要對電機軸承進行早期的監測和檢查，這樣有利于電機的維護和檢修[1]。

軸承故障的分析與檢測方法發展至今主要以智能方法為主，BP神經網絡、遺傳算法和支持向量機等均在軸承故障的檢測中有所使用[2]。……