基于层次模糊熵和改进支持向量机的轴承诊断方法研究*

李永波， 徐敏强， 赵海洋, 黄文虎

(哈尔滨工业大学深空探测基础研究中心， 黑龙江 哈尔滨 150001)



基于层次模糊熵和改进支持向量机的轴承诊断方法研究*

李永波， 徐敏强， 赵海洋, 黄文虎

(哈尔滨工业大学深空探测基础研究中心， 黑龙江 哈尔滨 150001)

提出一种新的轴承故障特征提取方法——层次模糊熵 (Hierarchical Fuzzy Entropy ,HFE)。层次模糊熵包括层次分析和模糊熵计算。与多尺度模糊熵相比, 层次模糊熵既分析信号的低频分量又分析信号的高频分量，因而能提取更全面、准确的故障信息。改进支持向量机(Improved support vector machine based binary tree，ISVM-BT)相比其他多分类器具有识别率更高的优势，因此提出了一种基于层次模糊熵和改进支持向量机的轴承故障诊断方法。首先将HFE作为故障特征提取工具，然后将所得的特征向量输入到改进支持向量机进行模式识别。通过轴承故障诊断的工程应用，表明该方法可以有效提取轴承故障特征，实现轴承不同故障类型和故障程度的准确识别。

故障诊断； 层次模糊熵(HFE)； 改进支持向量机(ISVM-BT)； 滚动轴承

引　言

滚动轴承作为一种基础的机械构件，在工业领域中发挥着极其重要的作用。人们对滚动轴承的故障诊断进行了大量的研究[1-3]。对于轴承的故障诊断通常采用振动分析方法，通过振动信号采集、故障特征提取和模式识别进行轴承故障诊断。针对滚动轴承故障信号的非平稳、非线性特征，如何有效提取轴承故障信息是最重要的环节。近年来，已有多种非线性分析方法如小波分析、神经网络、支持向量机、经验模态分解、分形维数等。……