基于小波包變換與SVM的旋轉機械故障診斷方法研究.pdf

1、機械設備結構的復雜性、工況的改變以及故障的發(fā)生都將會導致其振動信號具有非平穩(wěn)特性。如何從這些非平穩(wěn)信號中提取出有用的故障特征是能否進行機器狀態(tài)監(jiān)測和故障診斷的關鍵所在。針對現(xiàn)實條件下難以獲取大量樣本用于故障模式識別的實際情況,需尋找一種擅長小樣本分析的統(tǒng)計學習方法對故障類型進行識別。基于此,本文提出了一種基于小波包分解結合支持向量機進行故障模式識別的混合方法,旨在為機械故障診斷提供些許更加有效的方法。
　　本文利用小波包對振動信號

2、進行分解,求出信號各頻率段的能量比例值,并以此作為特征向量輸入到支持向量機中進行訓練、測試,從而得到具體的故障類別。以通用機械動力學故障仿真實驗平臺(MFS-MG)和風力發(fā)電機組傳動系統(tǒng)動力學分析與故障預示實驗平臺(WTDS)為研究對象進行了實驗研究,獲得了大量的軸承和齒輪不同狀態(tài)類別的故障樣本,并用上述分類方法對軸承的正常情況、滾動體故障、內圈故障、外圈故障、復合故障(滾動體、內圈、外圈同時發(fā)生故障)以及齒輪的正常情況、齒輪斷齒、齒輪