基于LMD切片雙譜和SVM軸承故障診斷研究

何 青，褚東亮，張 昭，毛新華

(華北電力大學 能源動力與機械工程學院，北京 102206)

?

基于LMD切片雙譜和SVM軸承故障診斷研究

何 青，褚東亮，張 昭，毛新華

(華北電力大學 能源動力與機械工程學院，北京 102206)

針對滾動軸承發生點蝕故障時峭度和1倍頻能量都會發生變化的情況，提出了基于局部均值對故障信號進行分解的方法。該方法取峭度值較大有效分量信號進行重構，再做切片雙譜進一步降低高斯噪聲對特征頻率的影響，提取故障特征1倍頻、2倍頻和3倍頻并進行歸一化處理得到特征向量。利用支持向量機對提取的特征向量進行訓練與測試，從而識別故障與否及發生點蝕故障的程度。通過對實測滾動軸承振動信號的分析與診斷，驗證了該方法的有效性，說明其具有良好的應用前景。

滾動軸承；局部均值分解；切片雙譜；支持向量機；故障診斷

0 引 言

滾動軸承是旋轉機械的重要組成零配件，軸承上微小損傷都將會引起設備的不正常運行，輕則使設備產生振動噪聲，重則損壞設備導致生產不能正常進行。若能預知故障發生，將會大大減少不必要的經濟損失，縮短維修時間，提高生產效率，因此軸承的故障診斷顯得尤為重要。國內外學者對軸承的故障診斷做了許多研究，并取得了大量成果。Tabrizi A等[1]利用小波包分解去除軸承故障信號的噪聲，利用聚合經驗模態分解(Ensemble Empirical Mode Decomposition, EEMD)提取特征向量，然后由支持向量機(Support Vector Machine, SVM)去判別軸承的運行狀態，取得了良好的效果。鄭紅等[2]通過譜峭度確定了最優帶通濾波器，用局部雙譜對強背景噪聲的滾動軸承故障信號進行了分析，準確的診斷了軸承故障。……